Proposing standardised geographical indicators of physical access to emergency obstetric and newborn care in low-income and middle-income countries
Notice bibliographique
Résumé
Emergency obstetric and newborn care (EmONC) can be life-saving in managing well-known complications during childbirth. However, suboptimal availability, accessibility, quality and utilisation of EmONC services hampered meeting Millennium Development Goal target 5A. Evaluation and modelling tools of health system performance and future potential can help countries to optimise their strategies towards reaching Sustainable Development Goal (SDG) 3: ensure healthy lives and promote well-being for all at all ages. The standard set of indicators for monitoring EmONC has been found useful for assessing quality and utilisation but does not account for travel time required to physically access health services. The increased use of geographical information systems, availability of free geographical modelling tools such as AccessMod and the quality of geographical data provide opportunities to complement the existing EmONC indicators by adding geographically explicit measurements. This paper proposes three additional EmONC indicators to the standard set for monitoring EmONC; two consider physical accessibility and a third addresses referral time from basic to comprehensive EmONC services. We provide examples to illustrate how the AccessMod tool can be used to measure these indicators, analyse service utilisation and propose options for the scaling-up of EmONC services. The additional indicators and analysis methods can supplement traditional EmONC assessments by informing approaches to improve timely access to achieve Universal Health Coverage and reach SDG 3.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».