Disparities in use of skilled birth attendants and neonatal mortality rate in Guinea over two decades
Notice bibliographique
Résumé
BACKGROUND: Maternal mortality remains high in sub-Saharan African countries, including Guinea. Skilled birth attendance (SBA) is one of the crucial interventions to avert preventable obstetric complications and related maternal deaths. However, within-country inequalities prevent a large proportion of women from receiving skilled birth attendance. Scarcity of evidence related to this exists in Guinea. Hence, this study investigated the magnitude and trends in socioeconomic and geographic-related inequalities in SBA in Guinea from 1999 to 2016 and neonatal mortality rate (NMR) between 1999 and 2012. METHODS: We derived data from three Guinea Demographic and Health Surveys (1999, 2005 and 2012) and one Guinea Multiple Indicator Cluster Survey (2016). For analysis, we used the 2019 updated WHO Health Equity Assessment Toolkit (HEAT). We analyzed inequalities in SBA and NMR using Population Attributable Risk (PAR), Population Attributable Fraction (PAF), Difference (D) and Ratio (R). These summary measures were computed for four equity stratifiers: wealth, education, place of residence and subnational region. We computed 95% Uncertainty Intervals (UI) for each point estimate to show whether or not observed SBA inequalities and NMR are statistically significant and whether or not disparities changed significantly over time. RESULTS: A total of 14,402 for SBA and 39,348 participants for NMR were involved. Profound socioeconomic- and geographic-related inequalities in SBA were found favoring the rich (PAR = 33.27; 95% UI: 29.85-36.68), educated (PAR = 48.38; 95% UI: 46.49-50.28), urban residents (D = 47.03; 95% UI: 42.33-51.72) and regions such as Conakry (R = 3.16; 95% UI: 2.31-4.00). Moreover, wealth-driven (PAF = -21.4; 95% UI: -26.1, -16.7), education-related (PAR = -16.7; 95% UI: -19.2, -14.3), urban-rural (PAF = -11.3; 95% UI: -14.8, -7.9), subnational region (R = 2.0, 95% UI: 1.2, 2.9) and sex-based (D = 12.1, 95% UI; 3.2, 20.9) inequalities in NMR were observed between 1999 and 2012. Though the pattern of inequality in SBA varied based on summary measures, both socioeconomic and geographic-related inequalities decreased over time. CONCLUSIONS: Disproportionate inequalities in SBA and NMR exist among disadvantaged women such as the poor, uneducated, rural residents, and women from regions like Mamou region. Hence, empowering women through education and economic resources, as well as prioritizing SBA for these disadvantaged groups could be key steps toward ensuring equitable SBA, reduction of NMR and advancing the health equity agenda of "no one left 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 | 0,001 | 0,002 |
| 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 | 0,000 | 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 ».