Regional Gradients in Institutional Cesarean Delivery Rates: Evidence from Five Countries in Asia
Notice bibliographique
Résumé
BACKGROUND: Although the influence of the type of institutional setting on the risk of cesarean birth is well documented, less is known about the regional variations in institution-specific cesarean rates within countries. Our purpose was to examine regional variations in cesarean rates across public and private facilities in five Asian countries with a sizeable private sector: Bangladesh, India, Indonesia, Pakistan, and the Philippines. METHODS: Demographic Health Survey data and a hierarchical model were used to assess regional variations in the mode of delivery while controlling for a wide range of socioeconomic, demographic, and maternal risk factors. RESULTS: The risk of cesarean birth was greater in a private facility than in a government hospital by 36-48 percent in India and Indonesia and by 130 percent in Bangladesh. Regional gradients in cesarean birth were found to be steeper for deliveries in private facilities than in government hospitals in India, Indonesia, and the Philippines. The residents of India's high-use states were 55 percent more likely to undergo a cesarean delivery in a government hospital and 83 percent more likely in a private facility than their counterparts in the medium-use states. Similarly, compared to the residents of the Philippines's medium-use provinces, giving birth in a government facility increased the likelihood of a cesarean delivery by 84 percent and by 173 percent in a private facility. CONCLUSIONS: Large regional variations in cesarean rates suggest the need for more informed clinical decision making with respect to the selection of cases for cesarean delivery and the establishment of well-developed guidelines and standards at the provincial or state levels.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».