The contribution of district prioritization on maternal and newborn health interventions coverage in rural India
Notice bibliographique
Résumé
BACKGROUND: In 2001, India prioritized eight most socioeconomically disadvantaged states known as Empowered Action Group (EAG) states and in 2013, it prioritized 190 of the 718 as high priority districts (HPDs) to accelerate the decline in maternal and newborn mortality. This paper assesses whether the HPDs achieved a greater coverage of maternal and newborn health interventions than the non-HPDs and HPDs in EAG states achieved greater coverage than those in non-EAG states. METHODS: We used data from the Sample Registration System to assess rural neonatal mortality trends in EAG states and all India. We computed a co-coverage index based on seven maternal and newborn health interventions from the 2015/16 National Family Health Survey. Difference in differences (DID) analyses were used to examine the contribution of district prioritization, considering the HPDs and the illiterate as treatment groups and 2013 as the time cut-off for the pre- and post-treatment. RESULTS: ≤ 0.05). The coverage gains for illiterate mothers were greater than for literate mothers, especially in the HPDs. CONCLUSIONS: The district prioritization in India is associated with greater improvements in the coverage of maternal and newborn health services in EAG states and the HPDs, including reductions in inequalities within those states and districts. There are however still large gaps between states and districts and within districts by the mother's literacy status that need further prioritization to make progress towards the SDG targets by 2030.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».