Is socioeconomic inequality in antenatal care coverage widening or reducing between- and within-socioeconomic groups? A case of 19 countries in sub-Saharan Africa
Notice bibliographique
Résumé
Maternal health statistics have improved in many countries in sub-Saharan Africa (SSA). Still, progress remains slow in meeting the Sustainable Development Goals (SDG) targets. Accelerating antenatal care (ANC) coverage is critical to improving maternal health outcomes. To progress, countries should understand whether to target reducing health disparities between- or within-socioeconomic groups, as policies for achieving these may differ. This paper develops a framework for decomposing changes in socioeconomic inequalities in health into changes in between- and within-socioeconomic groups using the concentration index, a popular measure for assessing socioeconomic inequalities in health. It begins by noting the challenge in decomposing the concentration index into only between- and within-group components due to the possibility of an overlap created by overlapping distributions of socioeconomic status between groups. Using quantiles of socioeconomic status provides a convenient way to decompose the concentration index so that the overlap component disappears. In characterising the decomposition, a pro-poor shift occurs when socioeconomic inequality is reduced over time, including between- and within-socioeconomic groups, while a pro-rich shift or change occurs conversely. The framework is applied to data from two rounds of the Demographic and Health Survey of 19 countries in SSA conducted about ten years apart in each country. It assessed changes in socioeconomic inequalities in an indicator of at least four antenatal care visits (ANC4+) and the count of ANC visits (ANC intensity). The results show that many countries in SSA witnessed significant pro-poor shifts or reductions in socioeconomic inequalities in ANC coverage because pro-rich inequalities in ANC4+ and ANC intensity become less pro-rich. Changes in between-socioeconomic group inequalities drive the changes in ANC service coverage inequalities in all countries. Thus, policies addressing inequalities between-socioeconomic groups are vital to reducing overall disparities and closing the gap between the rich and the poor, a crucial objective for the SDGs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».