MétaCan
Menu
Retour à la cohorte
Enregistrement W3033256853 · doi:10.1371/journal.pone.0234249

Prevalence and factors associated with caesarean section in four Hard-to-Reach areas of Bangladesh: Findings from a cross-sectional survey

2020· article· en· W3033256853 sur OpenAlexfundno aff
Farhana Karim, Nazia Binte Ali, Abdullah Nurus Salam Khan, Aniqa Hassan, Mohammad Mehedi Hasan, Dewan Md Emdadul Hoque, Sk Masum Billah, Shams El Arifeen, Mohiuddin Ahsanul Kabir Chowdhury

Notice bibliographique

RevuePLoS ONE · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal and Perinatal Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaInternational Centre for Diarrhoeal Disease Research, BangladeshStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésChildbirthCaesarean sectionCross-sectional studyMedicineLogistic regressionDemographyPregnancyHealth facilityGeographyEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Caesarean section (C-section) is a major obstetric life-saving intervention for the prevention of pregnancy and childbirth related complications. Globally C-section is increasing, as well as in Bangladesh. This study identifies the prevalence of C-section and socio-economic and health care seeking related determinants of C-section among women living in hard-to-reach (HtR) areas in Bangladesh. METHODS: A cross-sectional survey was conducted using a structured questionnaire between August and December 2017 at four distinct types of HtR areas of Bangladesh, namely coastal, hilly, haor (wetland), and char areas (shallow land-mass rising out of a river). Total 2,768 women of 15-49 years of age and who had delivery within one year prior to data collection were interviewed. For the analysis of determinants of C- section, the explanatory variables were maternal age, educational status of women and their husbands, women's religion, employment status and access to mobile phone, wealth index of the household, distance to the nearest health facility from the household, the number of ANC visits and presence of complications during pregnancy and the last childbirth. Logistic regression model was run among 850 women, who had facility delivery. Variables found significantly associated with the outcome (C-section) in bivariate analysis were included in the multivariable logistic model. A p-value <0.05 was considered as statistically significant in the analyses. RESULTS: Of the 2,768 women included in the study, 13% had C-sections. The mean (±SD) age of respondents was 25.4 (± 0.1) years. The adjusted prevalence of C-section was 13.1 times higher among women who had their delivery in private facilities than women who delivered in public facilities (Adjusted Odds Ratio, AOR: 13.1; 95% CI 8.6-19.9; p-value: <0.001). Women from haor area and coastal area had 4.7 times (AOR: 4.7; 95% CI 2.4-9.4; p value: <0.001) and 6.8 times (AOR: 6.8; 95% CI 3.6-12.8; p value: <0.001) more chance of having C-section, respectively, than women living in char area. Among women who reported complications during the last childbirth, the AOR of C-section was 3.6 times higher than those who did not report any complication (AOR: 3.6; 95% CI 2.4-5.4; p value: <0.001). CONCLUSIONS: The study identifies that the prevalence of C-sections in four HtR areas of Bangladesh in substantially below the national average, although, the prevalence was higher in coastal areas than three other HtR regions. Both public and private health services for C-section should be made available and accessible in remote HtR areas for women with pregnancy complications. Establishment of an accreditation system for regulating private hospitals are needed to ensure rational use of the procedure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,170
Tête enseignante GPT0,316
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMaternal and Perinatal Health InterventionsTravaux en français237 207