Prevalence and associated factors of skilled birth attendants in Bangladesh: A combined statistical and machine learning analysis.

چکیده اصلی

BACKGROUND: Bangladesh has achieved notable progress in maternal and child health; however, maternal and neonatal mortality remain high, partly due to inadequate access to skilled birth attendants (SBA) during delivery. This study aims to identify key socioeconomic and demographic factors influencing SBA utilization in Bangladesh. METHODS: Data were obtained from the 2022 Bangladesh Demographic and Health Survey (BDHS), a nationally representative cross-sectional survey which was conducted from June 27 to December 12, 2022. The outcome variable was skilled birth attendants during delivery, defined as attendants provided by a doctor, nurse, or midwife. Descriptive statistics and chi-square tests were used for initial analysis, followed by binary logistic regression to identify significant determinants. Additionally, the inclusion of machine learning models provides an additional classification framework that improves classification performance and helps identify important predictors, complementing traditional regression analysis. RESULTS: From the study, 67.94% of women utilized skilled birth attendants during childbirth. Higher maternal education, household wealth, antenatal care utilization, and urban residence were significantly associated with greater SBA utilization. Women with higher education had substantially higher odds of using SBA than those with no education (AOR = 4.10, 95% CI: 1.94-8.66, p < 0.001), while rural women had lower odds than urban women (AOR = 0.64, 95% CI: 0.47-0.88, p = 0.006). Women who attended four or more ANC visits were also more likely to use SBA than those with no ANC visits (AOR = 2.92, 95% CI: 1.72-4.96, p < 0.001). Women from the richest households had higher odds of SBA utilization compared with those from the poorest households (AOR = 1.77, 95% CI: 1.11-2.81, p = 0.016). Among the machine-learning models, Random Forest achieved the highest numerical accuracy (0.82). CONCLUSION: Education, economic status, ANC utilization, and place of residence were identified as key factors associated with skilled birth attendants during delivery in Bangladesh using the binary logistic regression model. Moreover, the machine learning models were used separately to classify SBA. Targeted interventions focusing on disadvantaged and rural populations can help improve equitable access to maternal healthcare. However, differences related to religion and region should be interpreted cautiously, as they may reflect broader socioeconomic and cultural factors rather than direct effects.

ترجمه فارسی چکیده

بنگلادش پیشرفت قابل توجهی در سلامت مادر و کودک داشته است، اما مرگ‌ومیر مادر و نوزاد همچنان بالا است، بخشی از آن به دسترسی ناکافی به مراقبان متخصص زایمان (SBA) در حین زایمان مربوط می‌شود. این مطالعه به هدف شناسایی عوامل اقتصادی-اجتماعی و جمعیت‌شناختی کلیدی مؤثر بر استفاده از SBA در بنگلادش انجام شد. داده‌ها از پیمایش جمعیت‌شناختی و بهداشت بنگلادش (BDHS) سال ۲۰۲۲، یک پیمایش مقطعی ملی، استخراج شد. متغیر خروجی مراقبان متخصص زایمان در حین زایمان بود که شامل پزشکان، پرستار یا ماما بود. از آمار توصیفی و آزمون کای-مربع برای تحلیل اولیه استفاده شد، که به دنبال آن رگرسیون لجستیک دودویی برای شناسایی عوامل تعیین‌کننده معنی‌دار انجام شد. علاوه بر این، استفاده از مدل‌های یادگیری ماشین یک چارچوب طبقه‌بندی اضافی فراهم کرد که عملکرد طبقه‌بندی را بهبود می‌بخشد و به شناسایی پیش‌بینی‌کنندگان مهم کمک می‌کند و تحلیل رگرسیون سنتی را تکمیل می‌کند. در این مطالعه، ۶۷٫۹۴٪ از زنان از مراقبان متخصص زایمان در حین زایمان استفاده کردند. تحصیلات بالاتر مادر، ثروت خانوار، استفاده از مراقبت‌های قبل از زایمان (ANC) و سکونت شهری به طور معنی‌داری با استفاده بیشتر از SBA مرتبط بودند. زنان با تحصیلات بالاتر نسبت به زنان بی‌تحصیل شانس بسیار بالاتری برای استفاده از SBA داشتند (AOR = ۴٫۱۰، ۹۵٪ CI: ۱٫۹۴-۸٫۶۶، p < ۰٫۰۰۱)، در حالی که زنان روستایی نسبت به زنان شهری شانس کمتری داشتند (AOR = ۰٫۶۴، ۹۵٪ CI: ۰٫۴۷-۰٫۸۸، p = ۰٫۰۰۶). زنانی که ۴ یا بیشتر مراجعه به مراقبت‌های قبل از زایمان داشتند نیز نسبت به زنانی که هیچ مراجعه‌ای نداشتند، بیشتر احتمال داشتند از SBA استفاده کنند (AOR = ۲٫۹۲، ۹۵٪ CI: ۱٫۷۲-۴٫۹۶، p < ۰٫۰۰۱). زنان از خانوارهای غنی‌تر نسبت به خانوارهای فقیرتر شانس بالاتری برای استفاده از SBA داشتند (AOR = ۱٫۷۷، ۹۵٪ CI: ۱٫۱۱-۲٫۸۱، p = ۰٫۰۱۶). در میان مدل‌های یادگیری ماشین، جنگل تصادفی بالاترین دقت عددی (۰٫۸۲) را به دست آورد. تحصیلات، وضعیت اقتصادی، استفاده از ANC و محل سکونت به عنوان عوامل کلیدی مرتبط با مراقبان متخصص زایمان در حین زایمان در بنگلادش شناسایی شدند. مداخلات هدفمند متمرکز بر جمعیت‌های کم‌برخوردار و روستایی می‌تواند به بهبود دسترسی عادلانه به مراقبت‌های مادرانه کمک کند. با این حال، تفاوت‌های مرتبط با دین و منطقه باید با احتیاط تفسیر شوند، زیرا ممکن است بازتاب‌دهنده عوامل اقتصادی-اجتماعی و فرهنگی گسترده‌تر باشند تا اثرات مستقیم.

متن کامل اصلی