Changing scenario of C-section delivery in India
Notice bibliographique
Résumé
BACKGROUND: Caesarean section (C-section) delivery is a serious maternal health concern in the long run. Notedly, there is a lack of studies dealing with understanding the ways and reasons of C-section deliveries becoming a public health issue in today's time in India and the measures to reduce the unnecessary caesarean sections. We have conducted this study to study the changes in the state-wise prevalence of C-section deliveries in India and understand C-section delivery's socioeconomic and biomedical predictors. MATERIALS AND METHODS: The study uses data from the fourth and fifth rounds of the National Family Health Surveys (NFHS). The per cent differences in the C-section deliveries from NFHS-4 to NFHS-5 across the states were measured through relative changes. The association between the C-section delivery and socioeconomic and biomedical factors were assessed using multiple logistic regression. RESULTS: This study revealed that the C-section deliveries are higher in the southern states than in the other parts of India. Literacy plays a vital role in C-section deliveries. The probabilities of C-section deliveries are more in 30-40 and 40 + years. The women belonging to the median wealth index category were more likely (OR-CI, 1.62 [1.55-1.66]) to undergo the C-section followed by the women from wealthy households (OR-CI, 1.46 [1.41-1.52]). CONCLUSION: The Government's health policymakers should take the initiative to reduce the C-section section delivery by means of building maternal health literacy and awareness among women and the community so that its future implications can be minimised. It is crucial to formulate a mandate and implement it in the states where C-sections are too high through community health workers and primary care providers.
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 ».