Exploring the Factors Associated with Infant Mortality in Rural Indonesia
Notice bibliographique
Résumé
Infant mortality is a sensitive indicator to measure the health condition of a population. Despite large declines in infant mortality rates in Indonesia, the people living in rural areas are the most affected. This study aims to analyze the causes of infant mortality in rural Indonesia and suggested strategies for its reduction. This study is an analytical cross-sectional design based on the 2017 Indonesian Demographic and Health Survey (IDHS) dataset for children. The information on infant deaths collected from those mothers who experienced infant deaths. Series of logistic regression models were used to select the significant factors affecting infant mortality in rural Indonesia. Infant mortality is associated with intermediate social determinants such as birth order, birth weight, and breastfeeding status. Socio-demographic factors such as the educational status of mothers, wealth quintile, the smoking habit of the mother, age of mother at first delivery, and sex of the baby are also related to infant mortality. The most crucial factors in rural Indonesia were the age of first-time mothers. As a strategy for addressing the issue of infant mortality in rural areas, the result of the study highlights the need for decreasing adolescent pregnancies among the youngest age groups. Pregnant mothers in the youngest age group should be supported by quality maternal health services to ensure their pregnancies in healthy condition. The focus of breastfeeding promotion programs should be encouraged, particularly on early initiation and duration of breastfeeding.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».