Quality of First Prenatal Consultations in Malemba Nkulu, Democratic Republic of Congo: Challenges and Opportunities in a Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Maternal mortality remains alarmingly high in the Democratic Republic of Congo (DRC), particularly in rural areas where access to quality prenatal care is limited. Despite global efforts to improve maternal health, systemic gaps persist in the delivery of antenatal services. OBJECTIVE: The objective of this study is to assess the quality of first antenatal consultations in the Malemba Nkulu health zone and identify structural and procedural factors contributing to substandard care. METHODS: A cross-sectional descriptive study was conducted in November 2023 across 8 health facilities selected through simple random sampling. Data were collected from 248 pregnant women attending their first prenatal visit and from 14 health care providers. Quality indicators were assessed using a structured checklist based on World Health Organization (WHO) standards. Variables included provider qualifications, availability of diagnostic tools, and completeness of clinical assessments. RESULTS: Only 2% (5/248) of first antenatal consultations met the minimum quality standards. Major deficiencies included lack of physical examinations 78% (193/248), absence of essential laboratory tests 92% (228/248), and inadequate counseling 85% (212/248). Facilities lacked basic equipment such as blood pressure monitors and hemoglobin tests. Provider training was inconsistent, and community awareness of prenatal care remained low. CONCLUSIONS: The quality of first antenatal consultations in Malemba Nkulu is critically poor, reflecting broader systemic challenges in rural maternal health care. Strengthening provider training, improving infrastructure, and enhancing community engagement are essential to reduce maternal mortality and improve outcomes in resource-limited settings.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».