MétaCan
Menu
Retour à la cohorte
Enregistrement W2804184194 · doi:10.7189/jogh.08.010603

Linking household and health facility surveys to assess obstetric service availability, readiness and coverage: evidence from 17 low- and middle-income countries

2018· article· en· W2804184194 sur OpenAlexfundno aff
Mufaro Kanyangarara, Victoria B. Chou, Andreea A. Creanga, Neff Walker

Notice bibliographique

RevueJournal of Global Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesJohns Hopkins Bloomberg School of Public HealthUniversity of ManitobaJohns Hopkins University
Mots-clésLow and middle income countriesEnvironmental healthHealth facilityHealth servicesHigh income countriesBusinessMEDLINEService (business)Low incomeMedicineDeveloping countryEconomic growthSocioeconomicsPopulationEconomicsPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Improving access and quality of obstetric service has the potential to avert preventable maternal, neonatal and stillborn deaths, yet little is known about the quality of care received. This study sought to assess obstetric service availability, readiness and coverage within and between 17 low- and middle-income countries. METHODS: We linked health facility data from the Service Provision Assessments and Service Availability and Readiness Assessments, with corresponding household survey data obtained from the Demographic and Health Surveys and Multiple Indicator Cluster Surveys. Based on performance of obstetric signal functions, we defined four levels of facility emergency obstetric care (EmOC) functionality: comprehensive (CEmOC), basic (BEmOC), BEmOC-2, and low/substandard. Facility readiness was evaluated based on the direct observation of 23 essential items; facilities "ready to provide obstetric services" had ≥20 of 23 items available. Across countries, we used medians to characterize service availability and readiness, overall and by urban-rural location; analyses also adjusted for care-seeking patterns to estimate population-level coverage of obstetric services. RESULTS: Of the 111 500 health facilities surveyed, 7545 offered obstetric services and were included in the analysis. The median percentages of facilities offering EmOC and "ready to provide obstetric services" were 19% and 10%, respectively. There were considerable urban-rural differences, with absolute differences of 19% and 29% in the availability of facilities offering EmOC and "ready to provide obstetric services", respectively. Adjusting for care-seeking patterns, results from the linking approach indicated that among women delivering in a facility, a median of 40% delivered in facilities offering EmOC, and 28% delivered in facilities "ready to provide obstetric services". Relatively higher coverage of facility deliveries (≥65%) and coverage of deliveries in facilities "ready to provide obstetric services" (≥30% of facility deliveries) were only found in three countries. CONCLUSIONS: The low levels of availability, readiness and coverage of obstetric services documented represent substantial missed opportunities within health systems. Global and national efforts need to prioritize upgrading EmOC functionality and improving readiness to deliver obstetric service, particularly in rural areas. The approach of linking health facility and household surveys described here could facilitate the tracking of progress towards quality obstetric care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,025
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,362
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Global HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207