Analysis of sex disparities in under-five mortality rates in Ghana: Insights from vector autoregressive modeling
Notice bibliographique
Résumé
ABSTRACT International monitoring organizations call for child mortality indicators to be disaggregated by gender. However, there remains a paucity of studies, especially, from the sub-Saharan region aimed at producing accurate forecasts of child mortality indicators with their sex variations. This study aims at investigating disparities in indicators of childhood mortality rates by sex in Ghana by employing vector autoregressive (VAR) model to analyze jointly annual recorded data on total, male and female under-five mortality rates (TU5MR, MU5MR, FU5MR, respectively). The results show gradual declining under-five mortality trends among sexes in both the historical and forecasted rates. The trivariate traditional and instantaneous Granger causality analyses found that any of the mortality indicators Granger causes the other two combinations, except TU5MR to MU5MR and FU5MR. The forecast error variance decomposition analyses revealed that FU5MR was the most exogenous variable while long-term impulse response function analyses indicated that unit shocks in FU5MR significantly increased TU5MR. The VAR(2) model forecast constructed revealed that contrary to recent predictions based on wider interval data derived from demographic health surveys, Ghana may meet the SDG 3.2.2 if ongoing efforts are sustained and that focusing policies and interventions on reducing FU5MR would largely contribute to reducing TU5MR in Ghana. Ethical considerations Not applicable. This study did not require ethics approval or consent for participation.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».