Advancing measurement and monitoring of reproductive, maternal, newborn and child health and nutrition: global and country perspectives
Notice bibliographique
Résumé
Aligned with the Sustainable Development Goals, the Global Strategy for Women’s, Children’s and Adolescents’ Health (2016–2030) represents an essential shift in prioritisation for actions designed to help families live healthy, secure lives and fulfil their economic potential.1 The reproductive, maternal, newborn, child and adolescent health and nutrition (RMNCAH-N) agenda is now both broader and more complex than was the case during the Millennium Development Goal era, creating a need for new data. To contribute to this need, Countdown to 2030 for Women’s, Children’s and Adolescents’ Health (Countdown), a multi-institutional network of academics from institutions around the world and representatives from United Nations agencies and civil society, aims to enhance monitoring and measurement of women’s, children’s and adolescents’ health globally and in countries.2 In 2018, Countdown organised a measurement conference in Stellenbosch, South Africa, that brought together 100 experts in multiple areas of RMNCAH-N, which resulted in the six papers in this supplement and an overall research agenda. The manuscripts in this collection represent the first developments of Countdown’s work to enhance measurement. They identify some of the persistent measurement and monitoring gaps in RMNCAH-N, for example, by reviewing the evidence on methods for generating effective coverage estimates and presenting actionable analytical methods to identify inequalities within and between countries. The collection also considers measurement advances for early childhood development and for nutrition. Further, it expands to analyse new priority issues, including using national surveys to analyse the impact of armed conflicts on RMNCAH-N;3 and describing the new data needed to better understand the social, political and contextual complexity of health system governance. Countdown will continue to extend this measurement improvement agenda. In some aspects, however, the measurement and monitoring of RMNCAH-N is more advanced than other health areas, such as infectious diseases, non-communicable diseases, injuries and mental …
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».