MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408330929 · doi:10.2139/ssrn.5171801

A Novel Maternal and Newborn Health Composite Indicator Using National Health Surveys from Low- and Middle-Income Countries: Validation and Association with Infant Mortality

2025· preprint· en· W4408330929 sur OpenAlexaff
Luisa Arroyave, Paulo Augusto Ribeiro Neves, Fernando C. Wehrmeister, Ties Boerma, Aluísio J. D. Barros

Notice bibliographique

RevueSSRN Electronic Journal · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversity of ManitobaCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésLow and middle income countriesInfant mortalityLow incomeAssociation (psychology)Environmental healthComposite indicatorNeonatal mortalityDemographyGeographyDemographic economicsEconomicsSocioeconomicsMedicineDeveloping countryEconomic growthPsychologyEconometricsPopulationSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To create a composite indicator to measure maternal and newborn health (MNH) interventions using national surveys from low- and middle-income countries (LMICs) and assess its relationship with neonatal and post-neonatal mortality. STUDY DESIGN: Cross-sectional, multi-country study using nationally representative household survey data. METHODS: The Maternal and Newborn Health composite indicator (MNHci) was created based on three essential interventions: four or more antenatal care visits, institutional delivery, and postnatal care for the woman or baby within two days of delivery. One point was assigned per intervention received, ranging from zero to three. We analyzed national distributions and stratified results by wealth and residence. Spearman coefficients were used to assess the correlation between MNHci and neonatal and post-neonatal mortality. Multilevel Poisson regression using DHS data examined the relationship between MNHci and neonatal mortality. RESULTS: MNHci was estimated for 97 LMICs using data from 2010 to 2022. In 29 countries, over 80% of woman-baby dyads received all interventions; in 15 countries, more than 20% received none. Inequalities were evident: 83% of dyads in the wealthiest decile received all interventions compared to 44% in the poorest. Data from 80 countries showed a strong inverse correlation with neonatal (-0.64; 95% CI: -0.77, -0.50) and post-neonatal (-0.67; 95% CI: -0.81, -0.54) mortality. Adjusted Poisson regression indicated a 43% lower neonatal mortality incidence ratio (IR: 0.57; 95% CI: 0.38-0.83) for dyads receiving all interventions compared to none. CONCLUSIONS: The MNHci is a simple, standardized, and meaningful tool for tracking MNH coverage across LMICs, supporting efforts to reduce neonatal mortality and health inequalities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,307
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetGlobal Maternal and Child Health→Travaux en français237 207→