35 Estimating the Impact of Pregnancy and Childbirth Interventions Coverage on Neonatal Survival during the COVID-19 Pandemic in Nepal
Notice bibliographique
Résumé
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 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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».