Completeness of birth and death registration in a rural area of South Africa: the Agincourt health and demographic surveillance, 1992–2014
Notice bibliographique
Résumé
BACKGROUND: Completeness of vital registration remains very low in sub-Saharan Africa, especially in rural areas. OBJECTIVES: To investigate trends and factors in completeness of birth and death registration in Agincourt, a rural area of South Africa covering a population of about 110,000 persons, under demographic surveillance since 1992. The population belongs to the Shangaan ethnic group and hosts a sizeable community of Mozambican refugees. DESIGN: Statistical analysis of birth and death registration over time in a 22-year perspective (1992-2014). Over this period, major efforts were made by the government of South Africa to improve vital registration. Factors associated with completeness of registration were investigated using univariate and multivariate analysis. RESULTS: Birth registration was very incomplete at onset (7.8% in 1992) and reached high values at end point (90.5% in 2014). Likewise, death registration was low at onset (51.4% in 1992), also reaching high values at end point (97.1% in 2014). For births, the main factors were mother's age (much lower completeness among births to adolescent mothers), refugee status, and household wealth. For deaths, the major factors were age at death (lower completeness among under-five children), refugee status, and household wealth. Completeness increased for all demographic and socioeconomic categories studied and is likely to approach 100% in the future if trends continue at this speed. CONCLUSION: Reaching high values in the completeness of birth and death registration was achieved by excellent organization of the civil registration and vital statistics, a variety of financial incentives, strong involvement of health personnel, and wide-scale information and advocacy campaigns by the South African government.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».