Decomposing the rural–urban gap in factors associated with childhood immunisation in sub-Saharan Africa: evidence from surveys in 23 countries
Notice bibliographique
Résumé
BACKGROUND: About 31 million children in sub-Saharan Africa (SSA) suffer from immunisation preventable diseases yearly and more than half a million children die because of lack of access to immunisation. Immunisation coverage has stagnated at 72% in SSA over the past 6 years. Due to evidence that full immunisation of children may be determined by place of residence, this study aimed at investigating the rural-urban differential in full childhood immunisation in SSA. METHODS: The data used for this study consisted of 26 241 children pooled from 23 Demographic and Health Surveys conducted between 2010 and 2018 in SSA. We performed a Poisson regression analysis with robust Standard Errors (SEs) to determine the factors associated with full immunisation status for rural and urban children. Likewise, a multivariate decomposition analysis for non-linear response model was used to examine the contribution of the covariates to the observed rural and urban differential in full childhood immunisation. All analyses were performed using Stata software V.15.0 and associations with a p<0.05 were considered statistically significant. RESULTS: More than half of children in urban settings were fully immunised (52.8%) while 59.3% of rural residents were not fully immunised. In all, 76.5% of rural-urban variation in full immunisation was attributable to differences in child and maternal characteristics. Household wealth was an important component contributing to the rural-urban gap. Specifically, richest wealth status substantially accounted for immunisation disparity (35.7%). First and sixth birth orders contributed 7.3% and 14.9%, respectively, towards the disparity while 7.9% of the disparity was attributable to distance to health facility. CONCLUSION: This study has emphasised the rural-urban disparity in childhood immunisation, with children in the urban settings more likely to complete immunisation. Subregional, national and community-level interventions to obviate this disparity should target children in rural settings, those from poor households and women who have difficulties in accessing healthcare facilities due to distance.
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 | 0,003 | 0,001 |
| 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 | 0,000 |
| 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 ».