National and Subnational Level Estimates of Maternal Delivery at Home and Their Predictors in Bangladesh: Evidence from Population-Based Survey 2012-2022
Notice bibliographique
Résumé
Abstract Background Despite significant progress in reducing maternal and neonatal mortality, home delivery remains a substantial public health challenge in Bangladesh and many other low- and middle-income countries. While the proportion of home deliveries has markedly decreased in the past decade, pronounced disparities persist across geographic, socioeconomic, and demographic groups. A nuanced understanding of the prevalence and determinants of maternal home delivery is key to designing targeted interventions. This study examines national and subnational variations in maternal home delivery and associated factors in Bangladesh. Methods We analyzed data from the Multiple Indicator Cluster Surveys (2012–13 and 2019) and the Bangladesh Demographic and Health Survey (2022), covering 20,770 ever-married women aged 15–49 who gave birth in the preceding two years. District-level prevalence, descriptive statistics, and multivariable logistic regression were used to assess trends and determinants. Results Home delivery prevalence declined from 68% in 2012–13 to 35% in 2022. Disparities remain: divisions such as Barisal (48.9%), Chattogram, Sylhet, and Mymensingh showed higher rates, while Dhaka and Khulna had the lowest. At the subnational level, remote areas like Bandarban, Rangamati, and Bhola exhibited higher prevalence. The logistic regression analysis identified several significant predictors, such as women with no formal education, limited ANC visits (≤3), rural residence, lower wealth status, multiparity (≥3 children), and lack of media exposure were more likely to deliver at home. Conclusions Despite marked improvement, persistent geographic and socioeconomic inequities highlight the need for targeted interventions. Strengthening healthcare infrastructure in underserved regions, promoting maternal health awareness, scaling up ANC utilization, and reducing financial barriers through subsidies and incentive programs can help further decrease home deliveries. Future research should explore cultural and religious factors to inform context-specific policies for equitable facility-based childbirth.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».