Analyzing spatial and space-time clustering of facility-based deliveries in Bangladesh
Notice bibliographique
Résumé
A spatial and temporal study of the distribution of facility-based deliveries can identify areas of low and high facility usage and help devise more targeted interventions to improve delivery outcomes. Developing countries like Bangladesh face considerable challenges in reducing the maternal mortality ratio to the targets set by the Sustainable Development Goals. Recent studies have already identified that the progress of reducing maternal mortality has stalled. Giving birth in a health facility is one way to reduce maternal mortality. Facility delivery data from a demographic surveillance site was analyzed at both village and Bari (comprising several households with same paternal origins) level to understand spatial and temporal heterogeneity. Global spatial autocorrelation was detected using Moran’s I index while local spatial clusters were detected using the local Getis G i * statistics. In addition, space-time scanning using a discrete Poisson approach facilitated the identification of space-time clusters. The likelihood of delivering at a facility when located inside a cluster was calculated using log-likelihood ratios. The three cluster detection approaches detected significant spatial and temporal heterogeneity in the distribution of facility deliveries in the study area. The hot and cold spots indicated contiguous and relocation type diffusion and increased in number over the years. Space-time scanning revealed that when a parturient woman is located in a Bari inside the cluster, the likelihood of delivering at a health facility increases by twenty-seven times. Spatiotemporal studies to understand delivery patterns are quite rare. However, in resource constraint countries like Bangladesh, detecting hot and cold spot areas can aid in the detection of diffusion centers, which can be targeted to expand regions with high facility deliveries. Places and periods with reduced health facility usages can be identified using various cluster detection techniques, to assess the barriers and facilitators in promoting health facility deliveries.
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) | 0,000 | 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 ».