Reduction in maternal mortality ratio varies by district in Sidama National Regional State, southern Ethiopia: Estimates by cross-sectional studies using the sisterhood method and a household survey of pregnancy and birth outcomes
Notice bibliographique
Résumé
BACKGROUND: Few studies assess the magnitude, variations, and reduction of maternal mortality at a lower administrative level. This study was conducted to estimate the life time risk (LTR) of maternal death and the maternal mortality ratio (MMR) and assess the reduction in MMR. METHODS: This is a population-based cross-sectional study conducted in six districts of Sidama National Regional State, southern Ethiopia, from July 2019 to May 2020. The study was conducted with men and women aged 15-49 years. By creating a retrospective cohort of women of reproductive age, we calculated the LTR of maternal mortality and approximated the MMR using the total fertility of the rural Ethiopian population. Variations in maternal mortality was assessed based on characteristics of the respondents, like age, sex, and the districts where they lived. Reduction in MMR was examined using the estimates of the sisterhood method and the 5-year recall of pregnancy and birth outcome household survey. RESULTS: We analysed 17374 (99.6%) respondents: 8884 (51.1%) men and 8490 (48.9%) women. The 17,374 respondents reported 64,387 maternal sisters. 2,402 (3.7%) sisters had died; 776 (32.3%) were pregnancy-related deaths. The LTR of maternal death was 3.2%, and the MMR was 623 (95% CI: 573-658) per 100,000 live births (LB). The remote district (Aroresa) had a MMR of 1210 (95% CI: 1027-1318) per 100,000 LB. The estimates from male and female respondents were not different. A significant reduction in MMR was observed in districts located near the regional centre. However, no reduction was observed in districts located far from the regional centre. CONCLUSIONS: The high MMR with district-level variations and the lack of mortality reduction in districts located far from the centre highlight the need for instituting interventions tailored to the local context to save mothers and accelerate reductions in MMR.
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 | 0,003 | 0,003 |
| 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 | 0,000 | 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) | 0,001 | 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 ».