Child mortality and poverty in three world regions (the West, Asia and Sub-Saharan Africa) 1988–2010: Evidence of relative intra-regional neglect?
Notice bibliographique
Résumé
AIMS: Poverty kills children. This study assesses the relationship between poverty and child mortality rates (CMRs) in 71 societies from three world regions to determine whether some countries, relative to their region, neglect their children. METHODS: Spearman rank order correlations were calculated to determine any association between the CMR and poverty data, including income inequality and gross national income. A current CMR one standard deviation (SD) above or below the regional average and a percentage change between 1988 and 2010 were used as the measures to assess the progress of nations. RESULTS: There were positive significant correlations between higher CMRs and relative poverty measures in all three regions. In Western countries, the current CMRs in the USA, New Zealand and Canada were 1 SD below the Western mean. The narrowest income inequalities, apart from Japan, were seen in the Scandinavian nations alongside low CMRs. In Asia, the current CMRs in Pakistan, Myanmar and India were the highest in their region and were 1 SD below the regional mean. Alongside South Korea, these nations had the lowest percentage reductions in CMRs. In Sub-Saharan Africa, the current CMRs in Somalia, Burkina Faso, Sierra Leone, Chad, Democratic Republic of Congo and Angola were the highest in their region and were 1 SD below the regional mean. CONCLUSIONS: Those concerned with the pursuit of social justice need to alert their societies to the corrosive impact of poverty on child mortality. Progress in reducing CMRs provides an indication of how well nations are meeting the needs of their children. Further country-specific research is required to explain regional differences.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».