The influence of travel time to health facilities on stillbirths: A geospatial case-control analysis of facility-based data in Gombe, Nigeria
Notice bibliographique
Résumé
Access to quality emergency obstetric and newborn care (EmONC); having a skilled attendant at birth (SBA); adequate antenatal care; and efficient referral systems are considered the most effective interventions in preventing stillbirths. We determined the influence of travel time from mother's area of residence to a tertiary health facility where women sought care on the likelihood of delivering a stillbirth. We carried out a prospective matched case-control study between 1st January 2019 and 31st December 2019 at the Federal Teaching Hospital Gombe (FTHG), Nigeria. All women who experienced a stillbirth after hospital admission during the study period were included as cases while controls were consecutive age-matched (ratio 1:1) women who experienced a live birth. We modelled travel time to health facilities. To determine how travel time to the nearest health facility and the FTHG were predictive of the likelihood of stillbirths, we fitted a conditional logistic regression model. A total of 318 women, including 159 who had stillborn babies (cases) and 159 age-matched women who had live births (controls) were included. We did not observe any significant difference in the mean travel time to the nearest government health facility for women who had experienced a stillbirth compared to those who had a live birth [9.3 mins (SD 7.3, 11.2) vs 6.9 mins (SD 5.1, 8.7) respectively, p = 0.077]. However, women who experienced a stillbirth had twice the mean travel time of women who had a live birth (26.3 vs 14.5 mins) when measured from their area of residence to the FTHG where deliveries occurred. Women who lived farther than 60 minutes were 12 times more likely of having a stillborn [OR = 12 (1.8, 24.3), p = 0.011] compared to those who lived within 15 minutes travel time to the FTHG. We have shown for the first time, the influence of travel time to a major tertiary referral health facility on the occurrence of stillbirths in an urban city in, northeast Nigeria.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».