Assessing Africa’s child survival gains and prospects for attaining SDG target on child mortality
Notice bibliographique
Résumé
This study assessed Africa's child survival gains and prospects for attaining Sustainable Development Goals (SDG) target 3.2. We analysed multiple country-level secondary datasets of 54 African countries and presented spatial analysis. Results showed that only 8 out of the 54 African countries have achieved substantial reductions in under-5 mortality with an under-five mortality rate (U5MR) of 25 deaths per 1,000 live births or less. Many countries are far from achieving this target. Results of the predictions using supervised machine learning on the Bayesian network reveal that the probability of achieving the SDG target 3.2 (i.e., having U5MR of 25 deaths per 1000 live births or less) increases (from 21.6% to 100%) when the contraceptive prevalence increases from 49.8% to 78.5%; and the use of skilled birth attendants increases from 44.8% to 86.3%; and percentage of secondary school completion of female increases from 42.5 to 74.0%. Our results from Local indicator of spatial autocorrelation (LISA) cluster maps show that 7 countries (mainly in West/Central Africa) formed the high-high clusters (hotspots for U5M) and may not achieve the SDG target 3.2 unless urgent and appropriate investments are deployed. As 2030 approaches, there is a need to address the problem of limited access to quality health care, female illiteracy, limited access to safe water, and poor access to quality family planning services, particularly across many sub-Saharan African countries.
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 | 0,001 | 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) | 0,000 | 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 ».