MétaCan
Menu
Retour à la cohorte
Enregistrement W2806093668 · doi:10.1186/s12884-018-1770-9

A comparison of practices, distributions and determinants of birth attendance in two divisions with highest and lowest skilled delivery attendance in Bangladesh

2018· article· en· W2806093668 sur OpenAlexaff
Gulam Muhammed Al Kibria, Vanessa Burrowes, Allysha Choudhury, Atia Sharmeen, Swagata Ghosh, Anna Kalbarczyk

Notice bibliographique

RevueBMC Pregnancy and Childbirth · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensNova Scotia Health Authority
Organismes subventionnairesnon disponible
Mots-clésAttendanceMedicineOdds ratioDemographyLogistic regressionOddsConfidence intervalInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Delivery by skilled birth attendants (SBAs) is strongly recommended to reduce maternal and neonatal mortality. The percentage of births attended by SBAs is low in Bangladesh (42% in 2014), though this rate varies widely by divisions, with the highest 58% in Khulna and only 27% in Sylhet. Comparing and critically analyzing the practices, distributions and determinants of delivery attendance in two divisions with the highest and lowest SBA attendance could help to understand the differences and to employ the findings of the high-performing division to the low-performing division. METHODS: The 7th Bangladesh Demographic and Health Survey (BDHS 2014) data were analyzed. After reporting the types of delivery attendants, logistic regression analyses were applied to calculate the odds ratios of determinants of deliveries attended by SBAs. RESULTS: SBAs attended 225 (58.6%) and 128 (27.4%) deliveries in Khulna and Sylhet, respectively. Khulna had higher birth attendance by qualified doctors (42.5%, n = 163) than Sylhet (15.8%, n = 74). Sylhet had higher attendance by traditional attendants (60.8%, n = 285) than Khulna (33.7%, n = 129). In both regions, attendance by community skilled birth attendants (CSBAs) was very low (< 1%). Khulna had higher percentages of women with higher education level, husbands' higher education, antenatal care (ANC) visits by SBAs, and higher wealth quintiles than Sylhet. In multivariable analyses, higher education level (adjusted odds ratio (AOR): 8.4; 95% confidence interval (CI): 1.9-36.7), ANC visits (AOR: 3.6; 95% CI: 2.0-6.5), family planning workers' visit (AOR: 3.0; 95% CI: 1.6-5.4), and belonging to richer (AOR: 2.6; 95% CI: 1.4-5.1) or richest (AOR: 3.8; 95% CI: 1.9-7.6) household wealth quintiles had significant positive associations with deliveries by SBAs in Sylhet. Similarly, ANC visits (AOR: 2.5; 95% CI: 1.4-4.6) and higher wealth quintile (AOR: 4.7; 95% CI: 1.9-11.5) were positive predictors in Khulna. CONCLUSIONS: The higher proportion of educated women and their husbands, wealth status and ANC visits were associated with higher SBA utilization in Khulna compared to Sylhet. Improvement of socioeconomic status, increasing birth attendant awareness programs, providing ANC services, and family-planning workers' visits could increase the proportion of SBA-attended deliveries in Sylhet Division. CSBA program should be re-evaluated for both divisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,048
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,347
Écart entre enseignants0,322 · 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

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Pregnancy and ChildbirthMême sujetGlobal Maternal and Child HealthTravaux en français237 207