Fonn S: Health in South Africa 2, saving the lives of South Africa’s mothers, babies and children: can the health system deliver? Lancet 2009
Notice bibliographique
Résumé
South Africa is one of only 12 countries in which mortality rates for children have increased since the baseline for the Millennium Development Goals (MDGs) in 1990. Continuing poverty and the HIV/AIDS epidemic are important factors. Additionally, suboptimum implementation of high-impact interventions limits programme eff ectiveness; between a quarter and half of maternal, neonatal, and child deaths in national audits have an avoidable health-system factor contributing to the death. Using the LiST model, we estimate that 11 500 infants ’ lives could be saved by eff ective implementation of basic neonatal care at 95 % coverage. Similar coverage of dual-therapy prevention of mother-to-child transmission with appropriate feeding choices could save 37 200 children’s lives in South Africa per year in 2015 compared with 2008. These interventions would also avert many maternal deaths and stillbirths. The total cost of such a target package is US$1·5 billion per year, 24 % of the public-sector health expenditure; the incremental cost is $220 million per year. Such progress would put South Africa squarely on track to meet MDG 4 and probably also MDG 5. The costs are aff ordable and the key gap is leadership and eff ective implementation at every level of the health system, including national and local accountability for service provision.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,006 |
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 ».