The Contribution of Social Norms and Behavioural Practices towards Low Death Registration in 3 HDSS Sites of Uganda
Notice bibliographique
Résumé
Abstract Background: Uganda has low levels of death registration, estimated at two per cent by the National Identification and Registration Authority (NIRA). There are 56 tribes and over 5 religious denominations with so many social norms and behavioural practices that could have contributed towards low death registration in Uganda. Previous studies on the factors affecting death registration have not assessed the contribution of social norms and behavioural practices towards low death registration in developing countries. Methods: The current research has been conducted in 3 Health and Demographic Surveillance System (HDSS) sites of Uganda to fill this knowledge gap. The study adopted a qualitative approach by conducting 26 interviews, 6 focus group discussions, and a document review. The study targeted men, women, district local government leaders, hospital administrators, religious leaders, cultural leaders, village health teams, HDSS village scouts, and opinion leaders. Results: There is very low death registration rates in the Iganga-Mayuge, Kyamulibwa, and Rakai HDSS sites and also expounded on how social norms and behavioural practices either hinder or discourage death registration initiatives by the government of Uganda. Some of these norms include informal will-making and inheritance sharing and taboos to announce the death of twins, infants, neonates, and even suicides. Religious institutions have their own set of rules, practices, and norms, which in most cases discourage death registration—for example, praying for the dead only when they or their relatives have been actively engaged in religious activities. Conclusion: The study confirms that social norms and behavioural practices contribute to low death registration in the 3 HDSS sites of Uganda. The civil registration authorities in Uganda, therefore, need to recognize the heterogeneity of cultural norms, religious beliefs and practices around death and how these influence the propensity for different deaths to be registered.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».