Disability types, determinants and healthcare utilisation amongst Afghan adults: a secondary analysis of the Model Disability Survey of Afghanistan
Notice bibliographique
Résumé
OBJECTIVES: The needs of people with disability in Afghanistan are not well understood. We describe the characteristics, healthcare utilisation patterns, and experience of care among Afghan adults with moderate or severe disability (MSD) by disability type. DESIGN: We mapped 47 questions related to functional disability in the cross-sectional Model Disability Survey of Afghanistan (MDSA) 2019 into 7 disability domains based on the WHO Disability Assessment Schedule 2.0. We conducted multivariable hierarchical logistic regression to identify drivers of high disability burden. SETTING: The MDSA primary sampling unit were villages in rural areas and neighbourhoods in urban areas, and the secondary sample units were the settlements within districts. PARTICIPANTS: The MDSA collected data for 14 520 households across all 34 provinces. The adult tool of the survey was administered to a randomly selected household member aged 18 years or older. MAIN OUTCOME MEASURES: The main outcome measured was moderate or severe disability (MSD), which was estimated using a Rasch composite score. RESULTS: MSD prevalence was upwards of 35% in 6/7 domains. Across most disability types, being a woman, older age, residing in rural areas, being uneducated, non-Pashtun ethnicity, being unmarried, living in a household in the low-income tertiles and a non-working household had the highest levels of MSD (p<0.05). Determinants of MSD varied by domain; however, variables including better access to health facilities and better experience of care (higher satisfaction with time spent and respect during visits) were generally protective. People with MSD in the self-care and life activities domains had the highest and lowest healthcare utilisation, respectively. CONCLUSIONS: Disability in Afghanistan is at public health crisis levels, with vulnerable populations being impacted most severely. To ensure progress towards Afghanistan's 2030 Sustainable Development Goals, targeted interventions for disability types based on population risk factors should be implemented.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».