Neonatal Mortality in Jordan: Rate, Determinants, and Causes Using Jordan Stillbirth and Neonatal Surveillance System
Notice bibliographique
Résumé
Abstract Background It has been estimated that 27.8 million neonates will die between 2018 and 2030 if no improvements in neonatal mortality take place. The aim was to determine the rate, determinants, and causes of neonatal mortality in Jordan.Methods In August 2019, an electronic stillbirths and neonatal deaths surveillance system (JSANDS) was established in in three large cities through five hospitals. Data on all births, neonatal mortality and their causes, and other characteristics in the period between August 2019 – January 2020 were exported from the JSANDS and analysed.Results A total of 10328 births were registered in the study period, with a rate of 14.1 deaths per 1000 LBs; 76% were early neonatal deaths and 24% were late deaths. 25%of all deaths occurred in the first day of life. Multivariable analysis showed that the odds of neonatal deaths was 20.8 (95% CI 2.8,153.1) in Ministry of Health hospitals compared to private hospitals, OR 31.8 (95% CI 18.8,53.8) for very low birth (< 1500gram) neonates, OR 13 (95% CI 7.8,21.6) in preterm births compared to full-term births, and OR 2.7 (95% Cl 1.2,6.0) among housewives compared to employed women. Main causes of neonatal deaths that occurred pre-discharge were respiratory and cardiovascular disorders (43%) and low birthweight and preterm (33%). The main maternal conditions that attributed to these deaths were complications of the placenta and cord, complications of pregnancy, and medical and surgical conditions. The main cause of neonatal deaths that occurred post-discharge were low birthweight and preterm (42%).Conclusions The rate of neonatal mortality have not decreased since 2012 and the majority of neonatal deaths occurred could have been prevented. Regular antenatal visits, in which any possible diseases or complications of pregnant women or foetal anomalies, need to be fully documented and monitored with appropriate and timely medical intervention to minimize such deaths.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».