Neonatal, 1–59 month, and under-5 mortality in 597 Indian districts, 2001 to 2012: estimates from national demographic and mortality surveys
Notice bibliographique
Résumé
Summary Background India has the largest number of child deaths of any country in the world, and has wide local variation in under-5 mortality. Worldwide achievement of the UN 2015 Millennium Development Goal for under-5 mortality (MDG 4) will depend on progress in the subregions of India. We aimed to estimate neonatal, 1–59 months, and overall under-5 mortality by sex for 597 Indian districts and to assess whether India is on track to achieve MDG 4. Methods We divided the 2012 UN sex-specific birth and mortality totals for India into state totals using relative birth rates and mortality from recent demographic surveys of 24 million people, and divided state totals into totals for the 597 districts using 3 million birth histories. We then split the results into neonatal mortality and 1–59 month mortality using data for 109 000 deaths in children younger than 5 years from six national surveys. We compared results with the 2001 census for each district. Findings Under-5 mortality fell at a mean rate of 3·7% (IQR 3·2–4·9) per year between 2001 and 2012. 222 (37%) of 597 districts are on track to achieve the MDG 4 of 38 deaths in children younger than 5 years per 1000 livebirths by 2015, but an equal number (222 [37%]) will achieve MDG 4 only after 2020. These 222 lagging districts are home to 41% of India's livebirths and 56% of all deaths in children younger than 5 years. More districts lag behind the relevant goal for neonatal mortality (251 [42%]) than for 1–59 month mortality (197 [33%]). Just 81 (14%) districts account for 37% of deaths in children younger than 5 years nationally. Female mortality at ages 1–59 months exceeded male mortality by 25% in 303 districts in nearly all states of India, totalling about 74 000 excess deaths in girls. Interpretation At current rates of progress, MDG 4 will be met by India around 2020—by the richer states around 2015 and by the poorer states around 2023. Accelerated progress to reduce mortality during the neonatal period and at ages 1–59 months is needed in most Indian districts. Funding Disease Control Priorities 3, Canadian Institutes of Health Research, International Development Research Centre, US National Institutes of Health.
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 | 0,001 |
| Bibliométrie | 0,003 | 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) | 0,001 | 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 ».