MétaCan
Menu
Retour à la cohorte
Enregistrement W2520011294 · doi:10.1136/jech-2016-208064.33

OP33 Contextual Factors Associated with Health Care Service Utilisation for Children in Nigeria: A Multilevel Analysis

2016· article· en· W2520011294 sur OpenAlexaboutno aff
ST Adedokun, VT Adekanmbi, Olalekan A. Uthman, Richard Lilford

Notice bibliographique

RevueOral Presentations · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCluster samplingQuarter (Canadian coin)Logistic regressionMultilevel modelCluster (spacecraft)Environmental healthHealth careMultistage samplingPopulationSystematic samplingRegression analysisMedicineGeographyStatisticsComputer scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Background The leading causes of high under-five mortality in Nigeria are infectious diseases which could be easily prevented and treated through health care services utilisation. There is poor utilisation of these services and most studies examining its determinants have focused on individual factors. The objective of this study is to examine the independent contribution of individual-, community- and state-level factors to health care service utilisation for children in Nigeria. Methods The study was based on secondary analyses of cross-sectional population-based data from the 2013 Nigeria Demographic and Health Survey. The survey used a three-stage cluster sampling technique. The first stage involved selecting 896 clusters with a probability proportional to the size; the size being the number of households in the cluster. The second stage involved the systematic sampling of households from the selected clusters. The third stage involved the distribution of the households in each state proportionately among its urban and rural areas. A total of 40,680 households were finally sampled with 16,740 and 23,940 from urban and rural areas respectively. Data were collected by visiting households and administering questionnaires. Multilevel logistic regression models were applied to the data on 31,482 under-five children who used or did not use health care service when they were sick (level 1), nested within 896 communities (level 2) from 37 districts (level 3). All multilevel modelling were performed using MLwiN calling Stata statistical software from windows version 14. Results About one-quarter of the mothers were between 15 and 24 years old and almost half of them did not have formal education (47%). Close to 67% of the children lived in the rural area. In the fully adjusted model, mothers with higher education attainment (OR = 1.66, 95% CI 1.37–1.95), from richer households (OR = 1.32, 95% CI 1.04–1.63), with access to media (radio, television or magazine), and living in ethnic diverse communities (OR = 1.04, 95% CI 1.01–1.07) were significantly more likely to have used healthcare services for acute childhood illnesses. Conclusion Our study revealed that utilisation of healthcare service for acute childhood illnesses was influenced by not only maternal factors but also various community- and state-level factors, suggesting that public health strategies should recognise these complex web of individual composition and contextual composition factors to guide provision of healthcare services. The study was limited due to inability to measure the impact of residential changes over time. Further research should consider longitudinal study.

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)0,005
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 enseignants0,077
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,046
Tête enseignante GPT0,351
Écart entre enseignants0,304 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOral PresentationsMême sujetGlobal Maternal and Child HealthTravaux en français237 207