Socioeconomic inequalities in the use of caesarean section delivery in Ghana: a cross-sectional study using nationally representative data
Notice bibliographique
Résumé
BACKGROUND: Inappropriate use of Caesarean Section (CS) delivery is partly to blame for Ghana's high maternal mortality rate. However, previous research offered mixed findings about factors associated with CS use. The goal of this study is to examine use of CS in Ghana and the socioeconomic factors associated with it. METHODS: Data from the nationally representative 2014 Ghana Demographic and Health Survey (GDHS) was used after permission from the Monitoring and Evaluation to Assess and Use Results (MEASURE) Demographic and Health Survey (DHS) program. Univariable and multivariable logistic regression models were fitted to examine the socioeconomic inequalities in CS use. The independent variables included maternal age, marital status, religion, ethnicity, education, place of residence, wealth quintile, and working status. Concentration index (CI) and rate-ratios were computed to ascertain the level of CS inequalities. RESULTS: Out of the 4294 women, 11.4% had CS delivery. However, the percentage of CS delivery ranged from 5% of women in the poorest quintile to 27.5% of women in the richest qunitle. Significant associations were detected between CS delivery and maternal age, parity, education, and wealth quintile . CONCLUSIONS: This study revealed that first, even though Ghana has achieved an aggregate CS rate consistent with WHO recommendations, it still suffers from inequities in the use of CS. Second, both underuse of CS among poorer women in Ghana and overuse among rich and educated women are public health concerns that need to be addressed. Third, the results show in spite of Ghana's free maternal care services policies, wealth status of women continues to be strongly and signtificantly associated with CS delivery, indicating that there are indirect health care costs and other reasons preventing poorer women from having access to CS which should be understood better and addressed with appropriate policies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».