Inequalities in caesarean section in Burundi: evidence from the Burundi Demographic and Health Surveys (2010–2016)
Notice bibliographique
Résumé
BACKGROUND: Despite caesarean section (CS) being a lifesaving intervention, there is a noticeable gap in providing this service, when necessary, between different population groups within a country. In Burundi, there is little information about CS coverage inequality and the change in provision of this service over time. Using a high-quality equity analysis approach, we aimed to document both magnitude and change of inequality in CS coverage in Burundi over 7 years to investigate disparities. METHODS: For this study, data were extracted from the 2010 and 2016 Burundi Demographic and Health Surveys (BDHS) and analyzed through the recently updated Health Equity Assessment Toolkit (HEAT) of the World Health Organization. CS delivery was disaggregated by four equity stratifiers, namely education, wealth, residence and sub-national region. For each equity stratifier, relative and absolute summary measures were calculated. We built a 95% uncertainty interval around the point estimate to determine statistical significance. MAIN FINDINGS: Disparity in CS was present in both survey years and increased over time. The disparity systematically favored wealthy women (SII = 10.53, 95% UI; 8.97, 12.10), women who were more educated (PAR = 8.89, 95% UI; 8.51, 9.26), women living in urban areas (D = 12.32, 95% UI; 9.00, 15.63) and some regions such as Bujumbura (PAR = 11.27, 95% UI; 10.52, 12.02). CONCLUSIONS: Burundi had not recorded any progress in ensuring equity regarding CS coverage between 2010 and 2016. It is important to launch interventions that promote justified use of CS among all subpopulations and discourage overuse among high income, more educated women and urban dwellers.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».