Using health-facility data to assess subnational coverage of maternal and child health indicators, Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To develop a systematic approach to obtain the best possible national and subnational statistics for maternal and child health coverage indicators from routine health-facility data. METHODS: Our approach aimed to obtain improved numerators and denominators for calculating coverage at the subnational level from health-facility data. This involved assessing data quality and determining adjustment factors for incomplete reporting by facilities, then estimating local target populations based on interventions with near-universal coverage (first antenatal visit and first dose of pentavalent vaccine). We applied the method to Kenya at the county level, where routine electronic reporting by facilities is in place via the district health information software system. FINDINGS: Reporting completeness for facility data were well above 80% in all 47 counties and the consistency of data over time was good. Coverage of the first dose of pentavalent vaccine, adjusted for facility reporting completeness, was used to obtain estimates of the county target populations for maternal and child health indicators. The country and national statistics for the four-year period 2012/13 to 2015/16 showed good consistency with results of the 2014 Kenya demographic and health survey. Our results indicated a stagnation of immunization coverage in almost all counties, a rapid increase of facility-based deliveries and caesarean sections and limited progress in antenatal care coverage. CONCLUSION: While surveys will continue to be necessary to provide population-based data, web-based information systems for health facility reporting provide an opportunity for more frequent, local monitoring of progress, in maternal and child health.
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.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle