Understanding the surge in elective caesarean sections: Role of older women's childbirth choices on younger women in India
Notice bibliographique
Résumé
The global rise in Caesarean sections (CS), including India’s increase from 8.5% in 2005-06 to 21.5% in 2019-21, poses a significant public health challenge. This study investigates the factors driving elective CS decisions, focusing on how older women’s childbirth experiences influence younger women’s choices within the same household, using data from the National Family Health Survey-5. Multivariable logistic regression and propensity score matching (PSM) were applied to see the influence of older women’s Elective CS decisions on their younger peers within the same household. Results show that younger women were more likely to choose elective CS if older women previously had one (29.0% vs. 15.1%, AOR = 1.72). Other significant predictors include mass media exposure (AOR = 1.13), private healthcare (AOR = 2.84), and older maternal age (AOR = 2.54 for ages 35-40 years). Regional differences were evident, with South India showing the highest CS rates among younger women (40.4%), while older women had CS rates. Wealth and education also played a role, with the richest women having higher odds (AOR = 2.00) and secondary education showing the greatest effect (AOR = 1.43). PSM analysis found an eight percent higher likelihood of elective CS among younger women if older women had one (ATT = 0.086; p < 0.001). In conclusion, the study shows that the childbirth experiences of older women strongly affect younger women's decisions to opt for elective CS, highlighting the important role of influence within households in shaping these choices.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».