MétaCan
Menu
Retour à la cohorte
Enregistrement W2945603311 · doi:10.1016/s2214-109x(19)30080-4

National, regional, and state-level all-cause and cause-specific under-5 mortality in India in 2000–15: a systematic analysis with implications for the Sustainable Development Goals

2019· article· en· W2945603311 sur OpenAlexaff
Li Liu, Yue Chu, Shefali Oza, Dan Hogan, Jamie Perin, Diego G. Bassani, Usha Ram, Shaza A. Fadel, Arvind Pandey, Neeraj Dhingra, Damodar Sahu, Richard Cibulskis, Brian Wahl, Anita Shet, Colin Mathers, Joy E Lawn, Prabhat Jha, Rakesh Kumar, Robert E. Black, Simon Cousens

Notice bibliographique

RevueThe Lancet Global Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensCentre for Global Health ResearchPublic Health OntarioUniversity of Toronto
Organismes subventionnairesJohns Hopkins Bloomberg School of Public HealthJohns Hopkins UniversityWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésMedicineVerbal autopsyCause of deathDemographyInfant mortalityMeaslesMortality rateChild mortalityPediatricsEnvironmental healthPopulationDiseaseVaccinationSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: India had the largest number of under-5 deaths of all countries in 2015, with substantial subnational disparities. We estimated national and subnational all-cause and cause-specific mortality among children younger than 5 years annually in 2000-15 in India to understand progress made and to consider implications for achieving the Sustainable Development Goal (SDG) child survival targets. METHODS: We used a multicause model to estimate cause-specific mortality proportions in neonates and children aged 1-59 months at the state level, with causes of death grouped into pneumonia, diarrhoea, meningitis, injury, measles, congenital abnormalities, preterm birth complications, intrapartum-related events, and other causes. AIDS and malaria were estimated separately. The model was based on verbal autopsy studies representing more than 100 000 neonatal deaths globally and 16 962 deaths among children aged 1-59 months at the subnational level in India. By applying these proportions to all-cause deaths by state, we estimated cause-specific numbers of deaths and mortality rates at the state, regional, and national levels. FINDINGS: In 2015, there were 25·121 million livebirths in India and 1·201 million under-5 deaths (under-5 mortality rate 47·81 per 1000 livebirths). 0·696 million (57·9%) of these deaths occurred in neonates. There were disparities in child mortality across states (from 9·7 deaths [Goa] to 73·1 deaths [Assam] per 1000 livebirths) and regions (from 29·7 deaths [the south] to 63·8 deaths [the northeast] per 1000 livebirths). Overall, the leading causes of under-5 deaths were preterm birth complications (0·330 million [95% uncertainty range 0·279-0·367]; 27·5% of under-5 deaths), pneumonia (0·191 million [0·168-0·219]; 15·9%), and intrapartum-related events (0·139 million [0·116-0·165]; 11·6%), with cause-of-death distributions varying across states and regions. In states with very high under-5 mortality, infectious-disease-related causes (pneumonia and diarrhoea) were among the three leading causes, whereas the three leading causes were all non-communicable in states with very low mortality. Most states had a slower decline in neonatal mortality than in mortality among children aged 1-59 months. Ten major states must accelerate progress to achieve the SDG under-5 mortality target, while 17 are not on track to meet the neonatal mortality target. INTERPRETATION: Efforts to reduce vaccine-preventable deaths and to reduce geographical disparities should continue to maintain progress achieved in 2000-15. Enhanced policies and programmes are needed to accelerate mortality reduction in high-burden states and among neonates to achieve the SDG child survival targets in India by 2030. FUNDING: Bill & Melinda Gates Foundation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,063
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

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

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 Opus0,104
Tête enseignante GPT0,383
Écart entre enseignants0,279 · 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 tête enseignante, 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

Citations137
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Global HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207