MétaCan
Menu
← Retour à la cohorte
Enregistrement W3041949819 · doi:10.5539/gjhs.v12n9p94

Implication of Natal Care and Maternity Leave on Child Morbidity: Evidence from Ghana

2020· article· en· W3041949819 sur OpenAlexvenueno aff
Danny Turkson, Joy Kafui Ahiabor

Notice bibliographique

RevueGlobal Journal of Health Science · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaternity leaveMedicineMaternity carePregnancyNursingPediatricsFamily medicineObstetricsSick leavePhysical therapy

Résumé

récupéré en direct d'OpenAlex

The aim of government with the help of the Ghana Health Service (GHS) and other stakeholders has been to reduce the level of child morbidity which leads to child mortality in Ghana. This study on natal care and its implication on child morbidity would help the government in formulating appropriate policies to curb this problem. This study uses Acute Respiratory Infection (ARI) which is an infection of the lungs and respiratory tract as a proxy for child morbidity. The specific aim of this study is to ascertain the effect of Natal Care (Antenatal care, Delivery care and Post-natal care) and Maternity leave on Child Morbidity. The study employed data from the Ghana Demographic and Health Survey (2014) using the Probit estimation method to estimate the health, demographic and income factors that influence child morbidity in Ghana. It shows evidence that some stages of natal care, unpaid maternity leave, and other demographic factors have a significant impact on child morbidity in Ghana. Specifically, failure to receive post-natal care within first week of delivery causes a 3% increase in the possibility of ARI in children under five. The study also shows that a mother’s income determines her health care purchases; in that an unpaid maternity leave causes a 3.9% increase in the possibility of ARI in children under five compared to a paid maternity leave.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,039
Tête enseignante GPT0,353
Écart entre enseignants0,314 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetGlobal Maternal and Child Health→Travaux en français237 207→