The Equity Impact of Universal Home Visits to Pregnant Women and Their Spouses in Bauchi State, Nigeria: Secondary Analysis From a Cluster Randomised Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Socio-economically disadvantaged women have poor maternal health outcomes. Maternal health interventions often fail to reach those who need them most and may exacerbate inequalities. In Bauchi State, Nigeria, a recent cluster randomised controlled trial (CRCT) showed an impressive impact on maternal health outcomes of universal home visits to pregnant women and their spouses. The home visitors shared evidence about local risk factors actionable by households themselves and the program included specific efforts to ensure all households in the intervention areas received visits. PURPOSE: To examine equity of the intervention implementation and its pro-equity impact. RESEARCH DESIGN AND STUDY SAMPLE: The overall study was a CRCT in a stepped wedge design, examining outcomes among 15,912 pregnant women. ANALYSIS: We examined coverage of the home visits (three or more visits) and their impact on maternal health outcomes according to equity factors at community, household, and individual levels. RESULTS: Disadvantaged pregnant women (living in rural communities, from the poorest households, and without education) were as likely as those less disadvantaged to receive three or more visits. Improvements in maternal knowledge of danger signs and spousal communication, and reductions in heavy work, pregnancy complications, and post-natal sepsis were significantly greater among disadvantaged women according to the same equity factors. CONCLUSIONS: The universal home visits had equitable coverage, reaching all pregnant women, including those who do not access facility-based services, and had an important pro-equity impact on maternal health.
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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».