Hacia la cobertura sanitaria universal: el papel de la desigualdad nacional en cuanto a riqueza en 28 países del África subsahariana
Notice bibliographique
Résumé
OBJECTIVE: To measure within-country wealth-related inequality in the health service coverage gap of maternal and child health indicators in sub-Saharan Africa and quantify its contribution to the national health service coverage gap. METHODS: Coverage data for child and maternal health services in 28 sub-Saharan African countries were obtained from the 2000-2008 Demographic Health Survey. For each country, the national coverage gap was determined for an overall health service coverage index and select individual health service indicators. The data were then additively broken down into the coverage gap in the wealthiest quintile (i.e. the proportion of the quintile lacking a required health service) and the population attributable risk (an absolute measure of within-country wealth-related inequality). FINDINGS: In 26 countries, within-country wealth-related inequality accounted for more than one quarter of the national overall coverage gap. Reducing such inequality could lower this gap by 16% to 56%, depending on the country. Regarding select individual health service indicators, wealth-related inequality was more common in services such as skilled birth attendance and antenatal care, and less so in family planning, measles immunization, receipt of a third dose of vaccine against diphtheria, pertussis and tetanus and treatment of acute respiratory infections in children under 5 years of age. CONCLUSION: The contribution of wealth-related inequality to the child and maternal health service coverage gap differs by country and type of health service, warranting case-specific interventions. Targeted policies are most appropriate where high within-country wealth-related inequality exists, and whole-population approaches, where the health-service coverage gap is high in all quintiles.
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 | 0,012 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».