Ending Preventable Neonatal Deaths: Multicountry Evidence to Inform Accelerated Progress to the Sustainable Development Goal by 2030
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
INTRODUCTION: The Sustainable Development Goal (SDG) 3.2 aims for every country to reach a neonatal mortality rate (NMR) of ≤12/1,000 live births by 2030. More than 60 countries are off track, and 2.3 million newborns still die each year. Urgent action is needed, but varies by context, notably mortality level. METHODS: We applied a five-phase NMR transition model based on national analyses for 195 UN member states: I (NMR >45), II (30-<45), III (15-<30), IV (5-<15), and V (<5). We analyzed data over the last century from selected countries to inform strategies to reach SDG3.2. We also undertook impact analyses for packages of care using the Lives Saved Tool software. RESULTS: An NMR of <15/1,000 requires firstly wide-scale access to maternity care and hospital care for small and sick newborns, including skilled nurses and doctors, safe oxygen use, and respiratory support, such as CPAP. Neonatal mortality could be reduced to the SDG target of ≤12/1,000 with further scale-up of small and sick newborn care. To reduce neonatal mortality further, more investment is required in infrastructure, device bundles (e.g., phototherapy, ventilation), and careful attention to infection prevention. To reach phase V (NMR <5), which is closer to ending preventable newborn deaths, additional technologies and therapies such as mechanical ventilation and surfactant replacement therapy are needed, as well as higher staffing ratios. CONCLUSIONS: Learning from high-income country is important, including what not to do. Introduction of new technologies should be according to the country's phase. Early focus on disability-free survival and family involvement is also crucial.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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