Improving the quality of maternal and newborn healthcare at the district level: Addressing newborn deaths in Nepal
Notice bibliographique
Résumé
Maternal and newborn care quality can be measured in three dimensions (Dimensions 1: care provision, 2: care experience, and 3: human and physical resources); however, little is known about which dimensions are associated with newborn and perinatal deaths. We examined the association between care quality and newborn and perinatal deaths in Nepal. This study incorporated secondary data from Nepal Service Provision Assessments (NSPA) 2015 (623 delivery facilities, facility inventory survey; 1,509 women, ANC clients interviews; 1,544 women, ANC observation) and Nepal Demographic and Health Surveys (NDHS) 2016 (5,038 women who reported having given birth in the five years preceding data collection). The outcome variables were newborn and perinatal deaths derived from the NDHS. The exposure variables were district-level maternal and newborn care quality scores calculated from the NSPA data. Covariates were women's sociodemographic, health, and obstetric characteristics. We applied the administrative boundary method to link these two surveys. We conducted binary logistic regression analyses to examine the association between care quality and newborn/perinatal deaths. In Dimension 1, higher mean and maximum quality scores at the district level were associated with a lower number of newborn deaths (mean: odds ratio [OR] = 0.04, 95% confidence interval [CI]: 0.00-0.76; max: OR = 0.09, 95% CI: 0.01-0.58), but not with perinatal deaths. In Dimensions 2 and 3, the quality score was not significantly associated with newborn deaths and perinatal. Enhancing the quality of care provision at its average and highest levels in each district may contribute to the reduction of newborn deaths, but not perinatal death. Health administrators should assess the quality of care at the administrative division level and focus on enhancing both average and maximum care quality of health facilities in each region in the care provision dimension.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».