Equity dimensions of the decline in under‐five mortality in Ghana: a joinpoint regression analysis
Notice bibliographique
Résumé
BACKGROUND: There has been a global rise in interest and efforts to improve under-five mortality rates, especially in low- and middle-income countries. Ghana has made some progress in improving this outcome; however, the extent of such progress and its equity implications remains understudied. METHODS: This study used a joinpoint regression analysis to assess the significance of changes in trends of under-five mortality rates in Ghana between 1988 and 2017 using data from seven rounds of the Ghana Demographic and Health Survey. Annual percentage change (APC) was estimated. The APCs of different dimensions of equity (residence, administrative region, maternal education and wealth quintile) were compared by coincidence test - to determine similarity in joinpoint regression functions via 10 000 Monte Carlo resampling. RESULTS: There has been progress in reduction of under-five mortality in Ghana between 1988 and 2017 with an annual percentage change of -3.49%. Disaggregation of the trends showed that the most rapid improvement in under-five mortality rates occurred in the Upper East Region (APC = -5.0%). The closing of under-five mortality equity gaps in the study period has been uneven in the country. The gap between rural and urban rates has closed the most, followed by regional gaps (between Upper East and Ashanti Region), while the most persistent gaps remain in maternal education and wealth quintile. CONCLUSION: The findings suggest that programmatic interventions have been more successful in reducing geographic (rural-urban and by administrative region) than non-geographic (maternal education and wealth quintile) inequities in under-five mortality in Ghana. To accelerate reduction and bridge the inequities in under-five mortality, Ghana may need to pursue more social policies aimed at redistribution.
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 | 0,001 |
| 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 ».