Decomposing the rural-urban gap in the factors of under-five mortality in sub-Saharan Africa? Evidence from 35 countries
Notice bibliographique
Résumé
BACKGROUND: Understanding urban-rural gap in childhood survival is essential for health care interventions and to explain disparities in the determinants of Under-5 mortality. There is dearth of information about the factors explaining differentials in urban-rural Under-5 mortality especially in sub-Saharan Africa (SSA). In this study, we sought to quantify the contributions of bio-demographic, socioeconomic and proximate factors in explaining the urban-rural gap in Under-5 mortality in SSA. METHODS: This study utilized secondary data from Demographic and Health Survey (DHS) in 35 sub-Saharan countries conducted between 2006 and 2016. Child (aged 0 and 59 months) death was the outcome variable in this study. Oaxaca-Blinder decomposition was used to decipher urban-rural gap in the factors of Under-5 mortality. RESULTS: Significant urban-rural differentials were observed in Under-5 mortality across bio-demographic, socioeconomic and proximate factors. In the decomposition model, about 44.27% of urban group and 74.71% of rural group had Under-5 mortality in sub-Saharan countries. Maternal age, education, use of newspaper, TV, wealth index, total children ever born, size of baby and age at first birth contributed towards explaining urban-rural gap inUnder-5 mortality. CONCLUSION: These findings could be contributory to health care system improvement and socioeconomic developmental plans to address under-5 mortality in SSA. Strengthening maternal and child health (MCH) programmes, specifically in rural areas and improving health care services would help to ensure overall child survival.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».