Strategies for improving health care seeking for maternal and newborn illnesses in low- and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Lack of appropriate health care seeking for ill mothers and neonates contributes to high mortality rates. A major challenge is the appropriate mix of strategies for creating demand as well as provision of services. DESIGN: Systematic review and meta-analysis of experimental studies (last search: Jan 2015) to assess the impact of different strategies to improve maternal and neonatal health care seeking in low- and middle-income countries (LMIC). RESULTS: Fifty-eight experimental [randomized controlled trials (RCTs), non-RCTs, and before-after studies] with 310,652 participants met the inclusion criteria. Meta-analyses from 29 RCTs with a range of different interventions (e.g. mobilization, home visitation) indicated significant improvement in health care seeking for neonatal illnesses when compared with standard/no care [risk ratio (RR) 1.40; 95 confidence interval (CI): 1.17-1.68, 9 studies, n=30,572], whereas, no impact was seen on health care seeking for maternal illnesses (RR 1.06; 95% CI: 0.92-1.22, 5 studies, n=15,828). These interventions had a significant impact on reducing stillbirths (RR 0.82; 95% CI: 0.73-0.93, 11 studies, n=176,683), perinatal deaths (RR 0.84; 95% CI: 0.77-0.90, 15 studies, n=279,618), and neonatal mortality (RR 0.80; 95% CI: 0.72-0.89, 20 studies, n=248,848). On GRADE approach, evidence was high quality except for the outcome of maternal health care seeking, which was moderate. CONCLUSIONS: Community-based interventions integrating strategies such as home visiting and counseling can help to reduce fetal and neonatal mortality in LMIC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,040 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».