Coverage, Trends, and Inequalities of Maternal, Newborn, and Child Health Indicators among the Poor and Non-Poor in the Most Populous Cities from 38 Sub-Saharan African Countries
Notice bibliographique
Résumé
Rapid urbanization is likely to be associated with suboptimal access to essential health services. This is especially true in cities from sub-Saharan Africa (SSA), where urbanization is outpacing improvements in infrastructure. We assessed the current situation in regard to several markers of maternal, newborn, and child health, including indicators of coverage of health interventions (demand for family planning satisfied with modern methods, at least four antenatal care visits (ANC4+), institutional birth, and three doses of DPT vaccine[diphtheria, pertussis and tetanus]) and health status (stunting in children under 5 years, neonatal and under-5 mortality rates) among the poor and non-poor in the most populous cities from 38 SSA countries. We analyzed 136 population-based surveys (year range 2000-2019), contrasting the poorest 40% of households (referred to as poor) with the richest 60% (non-poor). Coverage in the most recent survey was higher for the city non-poor compared to the poor for all interventions in virtually all cities, with the largest median gap observed for ANC4+ (13.5 percentage points higher for the non-poor). Stunting, neonatal, and under-5 mortality rates were higher among the poor (7.6 percentage points, 21.2 and 10.3 deaths per 1000 live births, respectively). The gaps in coverage between the two groups were reducing, except for ANC4, with similar median average annual rate of change in both groups. Similar rates of change were also observed for stunting and the mortality indicators. Continuation of these positive trends is needed to eliminate inequalities in essential health services and child survival in SSA cities.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».