Erosion of the Capital City Advantage in Child Survival and Reproductive, Maternal, Newborn, and Child Health Intervention Coverage in Sub-Saharan Africa
Notice bibliographique
Résumé
The place of residence is a major determinant of RMNCH outcomes, with rural areas often lagging in sub-Saharan Africa. This long-held pattern may be changing given differential progress across areas and increasing urbanization. We assessed inequalities in child mortality and RMNCH coverage across capital cities and other urban and rural areas. We analyzed mortality data from 163 DHS and MICS in 39 countries with the most recent survey conducted between 1990 and 2020 and RMNCH coverage data from 39 countries. We assessed inequality trends in neonatal and under-five mortality and in RMNCH coverage using multilevel linear regression models. Under-five mortality rates and RMNCH service coverage inequalities by place of residence have reduced substantially in sub-Saharan Africa, with rural areas experiencing faster progress than other areas. The absolute gap in child mortality between rural areas and capital cities and that between rural and other urban areas reduced respectively from 41 and 26 deaths per 1000 live births in 2000 to 23 and 15 by 2015. Capital cities are losing their primacy in child survival and RMNCH coverage over other urban areas and rural areas, especially in Eastern Africa where under-five mortality gap between capital cities and rural areas closed almost completely by 2015. While child mortality and RMNCH coverage inequalities are closing rapidly by place of residence, slower trends in capital cities and urban areas suggest gradual erosion of capital city and urban health advantage. Monitoring child mortality and RMNCH coverage trends in urban areas, especially among the urban poor, and addressing factors of within urban inequalities are urgently needed.
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 | 0,002 | 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 ».