MétaCan
Menu
Retour à la cohorte
Enregistrement W2519158895 · doi:10.1186/s12889-016-3404-3

Subnational variation for care at birth in Tanzania: is this explained by place, people, money or drugs?

2016· article· en· W2519158895 sur OpenAlexfundno aff
Corinne Armstrong, Melisa Martínez-Álvarez, Neha Singh, Theopista John, Hoviyeh Afnan‐Holmes, Chris Grundy, Corrine W. Ruktanochai, Josephine Borghi, Moke Magoma, Georgina Msemo, Zoë Matthews, Gemini Mtei, Joy E Lawn

Notice bibliographique

RevueBMC Public Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of CanadaUNICEFWorld Health OrganizationEconomic and Social Research CouncilBill and Melinda Gates Foundation
Mots-clésMedicineHealth facilityTanzaniaContext (archaeology)WorkforceHealth careRural areaPer capitaEnvironmental healthEconomic growthDemographySocioeconomicsPopulationGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Tanzania achieved the Millennium Development Goal for child survival, yet made insufficient progress for maternal and neonatal survival and stillbirths, due to low coverage and quality of services for care at birth, with rural women left behind. Our study aimed to evaluate Tanzania's subnational (regional-level) variations for rural care at birth outcomes, i.e., rural women giving birth in a facility and by Caesarean section (C-section), and associations with health systems inputs (financing, health workforce, facilities, and commodities), outputs (readiness and quality of care) and context (education and GDP). METHODS: We undertook correlation analyses of subnational-level associations between health system inputs, outputs, context, and rural care at birth outcomes; and constructed implementation readiness barometers using benchmarks for each health system input indicator. We used geographical information system (GIS) mapping to visualise subnational variations in care at birth for rural women, with a focus on service availability and readiness, and collected qualitative data to investigate financial flows from national to council level to understand variation in financing inputs. RESULTS: We found wide subnational variation for rural care at birth outcomes, health systems inputs, and contextual indicators. There was a positive association between rural women giving birth in a facility and by C-section; maternal education; workforce and facility density; and quality of care. There was a negative association between these outcomes and proportion of all births to rural women, total fertility rate, and availability of essential commodities at facilities. Per capita recurrent expenditure was positively associated with facility births (correlation coefficient = 0.43; p = 0.05) but not with C-section. Qualitative results showed that the health financing system is complex and insufficient for providing care at birth services. Bottlenecks for care at birth included low density of health workers, poor availability of essential commodities, and low health financing in Lake and Western Zones. CONCLUSIONS: No region meets the benchmarks for the four health systems building blocks including health finance, health workforce, health facilities, and commodities. Strategies for addressing health system inequities, including overall increases in health expenditure, are needed in rural populations and areas of highest unmet need for family planning to improve coverage of care at birth for rural women in Tanzania.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,295
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207