Deficiency in civil registration and vital statistics reporting in remote areas: the case of Sabah, Malaysia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Malaysia has a well-established civil registration system dating back to the 1960s. Birth registration is virtually complete at the national level. However, the quality of civil registration in some remote areas is doubtful, as evidenced by the abnormally low birth and death rates in several districts. This study focuses on identifying districts in Sabah, where the reporting of births seems problematic. Sabah is the least developed state in Malaysia, and it is sparsely populated, despite being the second most populous state in the country. Sabah’s civil registration lags behind the other states, to the extent that birth and death statistics were not reported for the state in the vital statistics report for the period 2000 to 2009. A 2016 study found that death registration is almost 100%, except for Sabah (88%). The plausible reasons behind the ultra-low birth rate reported in several remote districts in Sabah include misreporting of the place of occurrence as the usual residence, delayed reporting, non-coverage, ignorance of the law, inaccessibility, presence of a large number of migrants, miscommunication, and errors in data entry. The under-reporting of births may have serious consequences, such as misallocation of resources and deprivation of services to those affected. In line with the transformative promise of “leaving no one behind,” the Sustainable Development Goals urge all countries to strive to improve data quality for planning; this includes complete birth registration for creating effective development programs to reach target groups more effectively.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle