Pooled prevalence and determinants of antenatal care visits in countries with high maternal mortality: A multi-country analysis
Notice bibliographique
Résumé
Background Complications during pregnancy and childbirth are the leading causes of maternal and child deaths and disabilities, particularly in low- and middle-income countries. Timely and frequent antenatal care prevents these burdens by promoting existing disease treatments, vaccination, iron supplementation, and HIV counseling and testing during pregnancy. Many factors could contribute to optimal ANC utilization remaining below targets in countries with high maternal mortality. This study aimed to assess the prevalence and determinants of optimal ANC utilization by using nationally representative surveys of countries with high maternal mortality. Methods Secondary data analysis was done using recent Demographic and Health Surveys (DHS) data of 27 countries with high maternal mortality. The multilevel binary logistic regression model was fitted to identify significantly associated factors. Variables were extracted from the individual record (IR) files of from each of the 27 countries. Adjusted odds ratios (AOR) with a 95% confidence interval (CI) and p-value of ≤0.05 in the multivariable model were used to declare significant factors associated with optimal ANC utilization. Result The pooled prevalence of optimal ANC utilization in countries with high maternal mortality was 55.66% (95% CI: 47.48–63.85). Several determinants at the individual and community level were significantly associated with optimal ANC utilization. Mothers aged 25–34 years, mothers aged 35–49 years, mothers who had formal education, working mothers, women who are married, had media access, households of middle-wealth quintile, richest household, history of pregnancy termination, female household head, and high community education were positively associated with optimal ANC visits in countries with high maternal mortality, whereas being rural residents, unwanted pregnancy, having birth order 2–5, and birth order >5 were negatively associated. Conclusion and recommendations Optimal ANC utilization in countries with high maternal mortality was relatively low. Both individual-level factors and community-level factors were significantly associated with ANC utilization. Policymakers, stakeholders, and health professionals should give special attention and intervene by targeting rural residents, uneducated mothers, economically poor women, and other significant factors this study revealed.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».