Maternal healthcare services use in Mwanza Region, Tanzania: A cross-sectional baseline survey
Notice bibliographique
Résumé
Abstract Background Improving maternal health by reducing maternal morbidity and mortality relates to Goal 3 of the Sustainable Development Goals. Achieving this goal is supported by antenatal care (ANC), health facility delivery, and postpartum care. This study aimed to understand levels of use and correlates of uptake of maternal healthcare services among women of reproductive age (15–49 years) in Mwanza Region, Tanzania.Methods A cross-sectional multi-stage sampling household survey was conducted to obtain data from 1476 households in six districts of Mwanza Region. Data for the 409 women who delivered in the 2 years before the survey were analyzed for three outcomes: four or more ANC visits (ANC4+), health facility delivery, and postpartum visits. Factors associated with the three outcomes were determined using generalized estimating equations to account for clustering at the district level while adjusting for all variables.Results Of the 409 eligible women, 58.2% attended ANC4+, 76.8% delivered in a health facility, and 43.5% attended a postpartum clinic. Women from peri-urban, island, and rural regions were less likely to have completed ANC4+ or health facility delivery compared with urban women. Education and early first antenatal visit were associated with ANC4+ and health facility delivery. Mothers from peri-urban areas and those who with health facility delivery were more likely to attend postpartum check-ups.Conclusion Use of ANC services in early pregnancy influences the number of ANC visits, leading to higher uptake of ANC4+ and health facility delivery. Postpartum check-ups for mothers and newborns are associated with health facility delivery. Encouraging early initiation of ANC visits may increase the uptake of maternal healthcare services.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».