Changing patterns of gender inequities in childhood mortalities during the Sustainable Development Goals era in Nigeria: findings from an artificial neural network analysis
Notice bibliographique
Résumé
OBJECTIVES: In line with the child survival and gender equality targets of Sustainable Development Goals (SDG) 3 and 5, we aimed to: (1) estimate the age and sex-specific mortality trends in child-related SDG indicators (ie, neonatal mortality rate (NMR) and under-five mortality rate (U5MR)) over the 1960s-2017 period, and (2) estimate the expected annual reduction rates needed to achieve the SDG-3 targets by projecting rates from 2018 to 2030. DESIGN: Group method of data handling-type artificial neural network (GMDH-type ANN) time series. METHODS: This study used an artificial intelligence time series (GMDH-type ANN) to forecast age-specific childhood mortality rates (neonatal and under-five) and sex-specific U5MR from 2018 to 2030. The data sets were the yearly historical mortality rates between 1960s and 2017, obtained from the World Bank website. Two scenarios of mortality trajectories were simulated: (1) status quo scenarios-assuming the current trend continues; and (2) acceleration scenarios-consistent with the SDG targets. RESULTS: At the projected rates of decline of 2.0% for NMR and 1.2% for U5MR, Nigeria will not achieve the child survival SDG targets by 2030. Unexpectedly, U5MR will begin to increase by 2028. To put Nigeria back on track, annual reduction rates of 7.8% for NMR and 10.7% for U5MR are required. Also, female U5MR is decreasing more slowly than male U5MR. At the end of SDG era, female deaths will be higher than male deaths (80.9 vs 62.6 deaths per 1000 live births). CONCLUSION: Nigeria is not likely to achieve SDG targets for child survival and gender equities because female disadvantages will worsen. A plausible reason for the projected increase in female mortality is societal discrimination and victimisation faced by female child. Stakeholders in Nigeria need to adequately plan for child health to achieve SDG targets by 2030. Addressing gender inequities in childhood mortality in Nigeria would require gender-sensitive policies and community mobilisation against gender-based discrimination towards female child.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».