Disaster and Disparities: The Disaster-Driven Inequality in Quality Antenatal Care Uptake in Bangladesh
Notice bibliographique
Résumé
Abstract Introduction/Objectives This study assesses the impact of natural disasters on the inequality of quality ANC utilization. Methods This study uses data from the 2017-18 Bangladesh Demographic and Health Survey and monthly hazard reports from NIRAPAD. Inequalities in maternal healthcare utilization were measured using the Health Opportunity Index, and contributions of socioeconomic factors were decomposed using Shapley decomposition. Results The results reveal that inequality in the utilization of quality antenatal care is significantly greater in disaster-affected areas (32.72; 95% CI: 16.07, 49.38) compared to disaster-unaffected areas (27.17; 95% CI: 15.95, 38.39). Furthermore, socioeconomic factors such as place of residence, administrative division, maternal employment status, and birth order contribute more to these inequalities in disaster-affected regions than in unaffected areas. Conclusions The findings illustrate that natural disasters significantly increase the inequality in quality ANC utilization. Geographical location, employment status, and higher parity are key socio-economic factors contributing to the increasing inequality in quality ANC uptake. Therefore, Policymakers must prioritize equitable access to quality antenatal care by focusing on women of rural areas, those not engaged in formal employment, and individuals experiencing high-order pregnancies to mitigate these disaster-induced inequalities effectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».