Women, children and adolescents in conflict countries: an assessment of inequalities in intervention coverage and survival
Notice bibliographique
Résumé
Introduction: Conflict adversely impacts health and health systems, yet its effect on health inequalities, particularly for women and children, has not been systematically studied. We examined wealth, education and urban/rural residence inequalities for child mortality and essential reproductive, maternal, newborn and child health interventions between conflict and non-conflict low-income and middle-income countries (LMICs). Methods: We carried out a time-series multicountry ecological study using data for 137 LMICs between 1990 and 2017, as defined by the 2019 World Bank classification. The data set covers approximately 3.8 million surveyed mothers (15-49 years) and 1.1 million children under 5 years including newborns (<1 month), young children (1-59 months) and school-aged children and adolescents (5-14 years). Outcomes include annual maternal and child mortality rates and coverage (%) of family planning services, 1+antenatal care visit, skilled attendant at birth (SBA), exclusive breast feeding (0-5 months), early initiation of breast feeding (within 1 hour), neonatal protection against tetanus, newborn postnatal care within 2 days, 3 doses of diphtheria, pertussis and tetanus vaccine, measles vaccination, and careseeking for pneumonia and diarrhoea. Results: Conflict countries had consistently higher maternal and child mortality rates than non-conflict countries since 1990 and these gaps persist despite rates continually declining for both groups. Access to essential reproductive and maternal health services for poorer, less educated and rural-based families was several folds worse in conflict versus non-conflict countries. Conclusions: maternal health and child vaccine interventions are significantly worse in conflict-affected countries. Efforts to protect maternal and child health interventions in conflict settings should target the most disadvantaged families including the poorest, least educated and those living in rural areas.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».