FACTORS RELATED TO KNOWLEDGE ON NEWBORN DANGER SIGNS AMONG THE RECENTLY DELIVERED WOMEN IN SUB-DISTRICT HOSPITALS OF BANGLADESH
Notice bibliographique
Résumé
Background: Bangladesh continues to be one of the top ten countries with the highest burden of neonatal mortality. While, most of the neonatal deaths are preventable; health system delays, delayed identification of newborn danger signs, late diagnosis and initiation of treatment are claimed to be the main challenges.Objective: 1) to determine the level of knowledge among the recently delivered women (RDW) about newborn danger signs and 2) to distinguish the factors associated with ability of identifying the danger signs.Methods: A facility based cross-sectional study was conducted in three sub-district hospitals of Bangladesh among 135 RDW between 1 January 2015 and 30 April 2015. Seven key danger signs were identified, and responses were categorized accordingly. Bivariable logistic regression was conducted to determine the likelihood of the association of factors with danger signs identification.Results: About 51% of RDW could identify one key danger sign. Knowledge on “fever’’ was the most commonly known danger sign (65%). Middle age (OR 1.67, 95% CI: 1.09 - 2.18), high education (OR 2.37, 95% CI: 1.46 - 2.77), increased parity (OR 1.91, 95% CI: 1.17 - 2.89), and previous hospital delivery (OR 1.79, 95% CI: 1.14 - 2.68) were found associated with the knowledge of the danger signs.Conclusion: The findings indicate the immediate need to enhance health education among the RDW about newborn danger signs before their hospital discharge. Community based health education programs can be a cost effective intervention to increase awareness and early recognition of neonatal danger signs.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,004 | 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 ».