Trends in maternal mortality in India over two decades in nationally representative surveys
Notice bibliographique
Résumé
OBJECTIVE: To assess national and regional trends and causes-specific distribution of maternal mortality in India. DESIGN: Nationally representative cross-sectional surveys. SETTING: All of India from 1997 to 2020. SAMPLE: About 10 000 maternal deaths among 4.3 million live births over two decades. METHODS: We analysed trends in the maternal mortality ratio (MMR) from 1997 through 2020, estimated absolute maternal deaths and examined the causes of maternal death using nationally representative data sources. We partitioned female deaths (aged 15-49 years) and live birth totals, based on the 2001-2014 Million Death Study to United Nations (UN) demographic totals for the country. MAIN OUTCOME MEASURES: Maternal mortality burden and distribution of causes. RESULTS: The MMR declined in India by about 70% from 398/100 000 live births (95% CI 378-417) in 1997-98 to 99/100 000 (90-108) in 2020. About 1.30 million (95% CI 1.26-1.35 million) maternal deaths occurred between 1997 and 2020, with about 23 800 (95% CI 21 700-26 000) in 2020, with most occurring in poorer states (63%) and among women aged 20-29 years (58%). The MMRs for Assam (215), Uttar Pradesh/Uttarakhand (192) and Madhya Pradesh/Chhattisgarh (170) were highest, surpassing India's 2016-2018 estimate of 113 (95% CI 103-123). After adjustment for education and other variables, the risks of maternal death were highest in rural and tribal areas of north-eastern and northern states. The leading causes of maternal death were obstetric haemorrhage (47%; higher in poorer states), pregnancy-related infection (12%) and hypertensive disorders of pregnancy (7%). CONCLUSIONS: India could achieve the UN 2030 MMR goals if the average rate of reduction is maintained. However, without further intervention, the poorer states will not. TWEETABLE ABSTRACT: We estimated that 1.3 million Indian women died from maternal causes over the last two decades. Although maternal mortality rates have fallen by 70% overall, the poorer states lag behind.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».