Determinants of Home Delivery among Women Aged 15-24 Years in Tanzania
Notice bibliographique
Résumé
BACKGROUND: The United Nation's Sustainable Development Goal number 3 aims at reducing the maternal mortality rate by less than 70/100,000 live births globally and 216/100,000 live births in developing regions by 2030. Despite several interventions in Tanzania, maternal mortality has increased from 454/100,000 live births in 2010 to 556/100,000 live births in 2015. Home delivery and maternal young age contribute to maternal deaths. Reducing home deliveries among women aged 15-24 years may likely decrease the prevalence of maternal deaths in Tanzania. This study investigated the determinants of home delivery among women aged 15- 24 years in rural and mainland districts of Tanzania. METHODS: This study uses a mixed-methods approach using data collected as part of the evaluation of government and UNICEF interventions in 13 districts of Tanzania mainland from October and November 2011. Results from the secondary analysis were supplemented by qualitative data collected between February and April 2019 from four rural districts: Bagamoyo, Tandahimba, Magu, and Moshi. RESULTS: A total of 409 adolescents and young women who delivered one year before the quantitative data collection were included in the final analysis. A quarter of them gave birth at home. Having at least four antenatal care (ANC) visits (OR=0.23, 95% CI: 0.12-0.41, p<0.01), planning place of delivery (OR=0.22, 95% CI: 0.14-0.36 p<0.01), and knowledge of the danger signs during pregnancy (OR=0.36, 95% CI: 0.22-0.57, p<0.01) were significantly associated with the place of delivery. CONCLUSION AND GLOBAL HEALTH IMPLICATIONS: Maternal level of education, number of ANC visits attended, planned place of delivery, and knowledge of danger signs during pregnancy were the determinants of the choice of place of delivery among women aged 15-24 years in Tanzania. Understanding these risk factors is important in designing programs and interventions to reduce maternal deaths from women of this age group which contributes about 18% of all maternal deaths in Tanzania.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».