Differential effects of community health worker visits across social and economic groups in Uttar Pradesh, India: a link between social inequities and health disparities
Notice bibliographique
Résumé
BACKGROUND: Uttar Pradesh (UP) accounts for the largest number of neonatal deaths in India. This study explores potential socio-economic inequities in household-level contacts by community health workers (CHWs) and whether the effects of such household-level contacts on receipt of health services differ across populations in this state. METHODS: A multistage sampling design identified live births in the last 12 months across the 25 highest-risk districts of UP (N = 4912). Regression models described the relations between household demographics (caste, religion, wealth, literacy) and CHW contact, and interactions of demographics and CHW contact in predicting health service utilization (> = 4 antenatal care (ANC) visits, facility delivery, modern contraceptive use). RESULTS: No differences were found in likelihood of CHW contact based on caste, religion, wealth or literacy. Associations of CHW contact with receipt of ANC and facility delivery were significantly affected by religion, wealth and literacy. CHW contact increased the odds of 4 or more ANC visits only among non-Muslim women, increased the odds of both four or more ANC visits and facility delivery only among lower wealth women, increased the odds of facility delivery to a greater degree among illiterate vs. literate women. CONCLUSION: CHW visits play a vital role in promoting utilization of critical maternal health services in UP. However, significant social inequities exist in associations of CHW visits with such service utilization. Research to clarify these inequities, as well as training for CHWs to address potential biases in the qualities or quantity of their visits based on household socio-economic characteristics is recommended.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».