Effect of power outages on the use of maternal health services: evidence from Maharashtra, India
Notice bibliographique
Résumé
INTRODUCTION: Electricity outages are common in low/middle-income countries and have been shown to adversely affect the operation of health facilities; however, little is known about the effect of outages on the utilisation of health services. METHODS: Using data from the 2015-2016 India Demographic Health Survey, combined with information on electricity outages as reported by the state electricity provider, we explore the associations between outage duration and frequency and delivery in an institution, skilled birth attendance, and caesarean section delivery in Maharashtra State, India. We employ multivariable logistic regression, adjusting for individual and household-level covariates as well as month and district-level fixed effects. RESULTS: Power outage frequency was associated with a significantly lower odds of delivering in an institution (OR 0.98; 95% CI 0.96 to 0.99), and the average number of 8.5 electricity interruptions per month was found to yield a 2.08% lower likelihood of delivering in a facility, which translates to an almost 18% increase in home births. Both power outage frequency and duration were associated with a significantly lower odds of skilled birth attendance (OR 0.97; 95% CI 0.95 to 0.99, and OR 0.99; 95% CI 0.992 to 0.999, respectively), while neither power outage frequency nor duration was a significant predictor of caesarean section delivery. CONCLUSION: Power outage frequency and duration are important determinants of maternal health service usage in Maharashtra State, India. Improving electricity services may lead to improved maternal and newborn health outcomes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».