Factors influencing the use of supervised delivery services in Garu-Tempane District, Ghana
Notice bibliographique
Résumé
BACKGROUND: There is evidence that supervised delivery has the potential to improve birth outcomes for both women and newborns. However, not all women especially in low-income settings like Ghana use supervised delivery services during childbirth. The purpose of this study was to estimate the prevalence of supervised delivery and determine factors that influence use of supervised delivery services in a local district of Ghana. METHODS: A retrospective cross-sectional survey of 322 randomly sampled postpartum women who delivered between January and December 2016 in the Garu-Tempane District was conducted. Structured questionnaires were used to collect data. Descriptive, binary and multivariate logistic regression analysis techniques were used to analyse data. RESULTS: Although antenatal care attendance among respondents was very high 291(90.4%), prevalence of supervised birth was only 219(68%). More than a quarter 103(32%) of the postpartum women delivered their babies at home without skilled birth attendants. After controlling for possible confounders in multivariable logistic regression analyses, factors that strongly independently predicted supervised delivery were religion (p < 0.01), distance to health facility (p < 0.05), making at least 4 antenatal care visits (p < 0.01), national health insurance scheme registration (p < 0.01), satisfaction with services received during antenatal care (p < 0.01), need partner's approval before delivering in health facility (p < 0.01), woman's thoughts that her religious beliefs prohibited health facility delivery(p < 0.01), and woman's belief that there are norms in her community that did not support health facility delivery (p < 0.01). CONCLUSION: There is need for targeted interventions, including community mobilization and health education, and male partner involvement to help generate local demand for, and uptake of, supervised delivery services. Improvement in the quality of services in health facilities, including ensuring respect and dignity for service users, would also be essential.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».