Learning from Ethiopia’s success in reducing maternal and neonatal mortality through a health systems lens
Notice bibliographique
Résumé
BACKGROUND: This study aimed to enhance insights into the key characteristics of maternal and neonatal mortality declines in Ethiopia, conducted as part of a seven-country study on Maternal and Newborn Health (MNH) Exemplars. METHODS: We synthesised key indicators for 2000, 2010 and 2020 and contextualised those with typical country values in a global five-phase model for a maternal, stillbirth and neonatal mortality transition. We reviewed health system changes relevant to MNH over the period 2000-2020, focusing on governance, financing, workforce and infrastructure, and assessed trends in mortality, service coverage and systems by region. We analysed data from five national surveys, health facility assessments, global estimates and government databases and reports on health policies, infrastructure and workforce. RESULTS: Ethiopia progressed from the highest mortality phase to the third phase, accompanied by typical changes in terms of fertility decline and health system strengthening, especially health infrastructure and workforce. For health coverage and financing indicators, Ethiopia progressed but remained lower than typical in the transition model. Maternal and neonatal mortality declines and intervention coverage increases were greater after 2010 than during 2000-2010. Similar patterns were observed in most regions of Ethiopia, though regional gaps persisted for many indicators. Ethiopia's progress is characterised by a well-coordinated and government-led system prioritising first maternal and later neonatal health, resulting major increases in access to services by improving infrastructure and workforce from 2008, combined with widespread community actions to generate service demand. CONCLUSION: Ethiopia has achieved one of the fastest declines in mortality in sub-Saharan Africa, with major intervention coverage increases, especially from 2010. Starting from a weak health infrastructure and low coverage, Ethiopia's comprehensive approach provides valuable lessons for other low-income countries. Major increases towards universal coverage of interventions, including emergency care, are critical to further reduce mortality and advance the mortality transition.
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 ».