Socio-demographic and environmental risk factors associated with multiple under-five child loss among mothers in Bangladesh
Notice bibliographique
Résumé
BACKGROUND: Despite the substantial decline in child mortality globally over the last decade, reducing neonatal and under-five mortality in Bangladesh remains a challenge. Mothers who experienced multiple child losses could have substantial adverse personal and public health consequences. Hence, prevention of child loss would be extremely desirable during women's reproductive years. The main objective of this study was to determine the risk factors associated with multiple under-five child loss from the same mother in Bangladesh. METHODS: In this study, a total of 15,877 eligible women who had given birth at least once were identified from the 2014 Bangladesh Demographic and Health Survey. A variety of count regression models were considered for identifying socio-demographic and environmental factors associated with multiple child loss measured as the number of lifetime under-five child mortality (U5M) experienced per woman. RESULTS: Of the total sample, approximately one-fifth (18.9%, n = 3003) of mothers experienced at least one child's death during their reproductive period. The regression analysis results revealed that women in non-Muslim families, with smaller household sizes, with lower education, who were more advanced in their childbearing years, and from an unhygienic environment were at significantly higher risk of experiencing offspring mortality. This study also identified the J-shaped effect of age at first birth on the risk of U5M. CONCLUSIONS: This study documented that low education, poor socio-economic status, extremely young or old age at first birth, and an unhygienic environment significantly contributed to U5M per mother. Therefore, improving women's educational attainment and socio-economic status, prompting appropriate timing of pregnancy during reproductive life span, and increasing access to healthy sanitation are recommended as possible interventions for reducing under-five child mortality from a mother. Our findings point to the need for health policy decision-makers to target interventions for socio-economically vulnerable women in Bangladesh.
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 | 0,000 | 0,000 |
| 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 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 ».