Equitable Distribution of Poor Quality of Care? Equity in Quality of Reproductive Health Services in Ethiopia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Ethiopian health system faces persistent inequities in health-care utilization and outcomes, despite continued efforts to expand health service coverage. There is little evidence in the literature describing the status of equity in the quality of healthcare. This paper aims to understand the disparities in quality of antenatal care (ANC) and family planning (FP) among the poor and non-poor communities. We used the 2016 Ethiopia Demographic and Health Survey (DHS) data to compute a Multidimensional Poverty Index (MPI), and the 2014 Service Provision Assessment (SPA) data to assess quality of ANC and FP services-defined as the level of adherence to World Health Organization (WHO) clinical and service guidelines. We merged the two datasets using geographical coordinates, and aggregated service users into facility catchment area clusters using a 2-km radius for urban and 10-km radius for rural facilities. We computed ANC and FP quality and MPI indices for each facility and assigned these to catchment areas. Using the international cutoff point for deprivation (MPI = 33.3%), we evaluated whether the quality of ANC and FP services varies by poor and non-poor catchment areas. We found that most of catchment areas (75.7%) were deprived. While the overall quality of ANC and FP services are low (33% and 34% respectively), we found little variation in the distribution of the quality of these services between poor and non-poor areas, urban and rural settings, or regionally. The short-term focus needs to be on improving the overall quality of services rather than on its distribution.
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.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle