MétaCan
Menu
Retour à la cohorte
Enregistrement W4386983266 · doi:10.1093/pch/pxad055.035

35 Estimating the Impact of Pregnancy and Childbirth Interventions Coverage on Neonatal Survival during the COVID-19 Pandemic in Nepal

2023· article· en· W4386983266 sur OpenAlexfundno aff
Dinesh Dharel, Deepak Paudel, Nazzem Muhajarine

Notice bibliographique

RevuePaediatrics & Child Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesRoyal College of Physicians and Surgeons of Canada
Mots-clésChildbirthPsychological interventionMedicinePandemicPregnancyConfidence intervalDemographyGovernment (linguistics)Coronavirus disease 2019 (COVID-19)ObstetricsNursing

Résumé

récupéré en direct d'OpenAlex

Abstract Background The indirect impact of the COVID-19 pandemic on neonatal survival, especially in a resource-constrained and yet previously well-performing nation and in terms of reductions in maternal and neonatal mortality rates, is of global health interest. Objectives We estimated additional newborn lives saved by pregnancy and childbirth interventions during the COVID-19 pandemic in Nepal. Design/Methods We used an open-access linear deterministic model, Lives Saved Tool (LiST), to estimate additional newborn lives saved in a year, based on the change in coverage of specified pregnancy and childbirth interventions from the previous year. We kept the rest of the interventions and the effectiveness values unchanged from the ‘default’ in the LiST model. We ran LiST projections based on coverage changes of three or more antenatal care visits and institutional delivery using: (i) ‘actual’ coverage rates reported by health facilities and published in the government’s annual reports; and (ii) ‘target’ coverage rates from the Nepal Every Newborn Action Plan. In those two scenarios, we compared the estimates of additional lives saved in the last three years. Results The number of additional newborn lives saved (with a 95% confidence interval) in a year based on ‘actual’ versus ‘target’ intervention coverage rates varied considerably during the three years of the COVID-19 pandemic: 124 (95% CI: 85,177) vs 115 (78,163) in the year 2020; 83 (57, 118) vs 226 (155,323) in 2021, and 228 (156,323) vs 333 (228,471) in 2022. The top four interventions during childbirth would contribute to 70% (304 of 435) of additional lives saved, based on ‘actual’ coverage rates, compared to 87% (588 of 674) based on the ‘target’ coverages. Neonatal resuscitation saved the most newborn lives (91 vs 178), followed by thermal protection (77 vs 148), clean cord care (72 vs 138), and assisted vaginal delivery (64 vs 124). Prematurity, birth asphyxia, and sepsis are the top three causes of lives lost, contributing to around 72% of neonatal mortality, with estimated neonatal mortality rates of 19.46, 19.53, and 19.28 per 1000 live births in the years 2020, 2021, and 2022 respectively. Conclusion A one-third reduction in estimated additional newborn lives saved in the year 2021 compared to 2020, and a significant difference noted that same year on estimates based on ‘actual’ versus ‘target’ coverage rates of antenatal care and institutional delivery in Nepal, may reflect an indirect impact of reduced coverage of pregnancy and childbirth interventions on neonatal mortality during the peak of the COVID-19 pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,392
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207