📄 medicine

One in four Indian births is now by caesarean section: a state-level analysis of public–private sector differences and ecological drivers using NFHS-6 (2023– 24)

Deze ecologische analyse van de NFHS-6 (2023–24) gegevens onthult dat het opleidingsniveau van vrouwen de dominante voorspeller is van de stijgende percentages keizersneden in India, die nationaal 27,2% hebben bereikt met een scherpe 3,2-voudige discrepantie tussen de private en publieke sector, wat oproept tot gerichte klinische audits en prenatale educatie om vraaggestuurde medicalisering in te dammen.

Oorspronkelijke auteurs: Mahendra G., Ravindra S. Pukale, Kaveri Potaraj Potarad, Suresh Bangla

Gepubliceerd 2026-07-08

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mahendra G., Ravindra S. Pukale, Kaveri Potaraj Potarad, Suresh Bangla

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Een Stijgende Waterstand van Keizersneden

Stel je de Indiase geboortelandschappen voor als een enorme oceaan. Een paar jaar geleden was het waterniveau (het percentage keizersneden) al hoog, namelijk ongeveer 21,5%. Nu, op basis van de nieuwste gegevens (NFHS-6 uit 2023–24), is het water aanzienlijk gestegen naar 27,2%.

Om dit in perspectief te plaatsen: de Wereldgezondheidsorganisatie (WHO) suggereert dat het "perfecte" waterniveau voor veiligheid tussen de 10% en 15% ligt. India zwemt nu op een niveau dat 82% hoger is dan de aanbevolen bovengrens. De studie toont aan dat één op de vier baby's in India nu wordt geboren via een keizersnede.

De Grote Kloof: "Privé versus Publiek"

De onderzoekers keken niet alleen naar het totale waterniveau; ze keken naar waar het water stijgt. Ze ontdekten een enorme kloof tussen overheidsziekenhuizen (publiek) en particuliere klinieken (privé).

De Analogie: Stel je twee supermarkten voor in dezelfde stad. Winkel A (Overheid) verkoopt appels (keizersneden) aan 17 van de 100 klanten. Winkel B (Privé) verkoopt appels aan 54 van de 100 klanten.
De "Market-Driven Care Index" (MDCI): De auteurs hebben een nieuwe liniaal uitgevonden, de MDCI, om deze kloof te meten. Het is als een "prijskaartje" op de mate waarin je waarschijnlijker een keizersnede krijgt in een privékliniek vergeleken met een overheidsinstelling.
- In Kerala is de kloof klein (de liniaal geeft 1,08 aan). Beide winkels verkopen appels tegen vergelijkbare tarieven.
- In Bihar is de kloof enorm (de liniaal geeft 18,26 aan). Dit betekent dat een vrouw 18 keer meer kans heeft op een keizersnede in een privékliniek dan in een overheidsinstelling. In Bihar worden in de overheidsziekenhuizen bijna nooit keizersneden uitgevoerd (slechts 2,7%), terwijl de particuliere instellingen ze zeer frequent uitvoeren (49,3%).

De Drie Soorten "Waterniveaus"

De studie verdeelt de Indiase staten in drie verschillende patronen, zoals verschillende soorten weersystemen:

Het "Privémonopolie" (bijv. Bihar, Jharkhand): Hier zijn kehersneden een luxeproduct dat voornamelijk in particuliere winkels te vinden is. De overheidswinkels hebben bijna geen voorraad. Het algemene percentage is laag, maar de kloof tussen toegang voor rijk (privé) en arm (publiek) is enorm.
De "Systeembrede Overstroming" (bijv. Telangana, Andhra Pradesh): Hier voeren zowel overheidsziekenhuizen als particuliere ziekenhuizen keizersneden uit op zeer hoge frequentie. De kloof tussen hen is klein, maar het waterniveau is overal gevaarlijk hoog.
De "Gelijkheid in Excess" (bijv. Kerala): Beide sectoren voeren keizersneden uit op hoge frequentie, en de percentages zijn bijna identiek. Iedereen krijgt de ingreep met dezelfde hoge frequentie, ongeacht of men naar een overheidsinstelling of een particuliere instelling gaat.

De Echte Drijvers: Wat Duwt het Water Omhoog?

De onderzoekers vroegen zich af: "Wat veroorzaakt dat deze percentages stijgen?" Ze testten verschillende theorieën, zoals gezondheidsverzekeringen of het aantal mensen dat gebruikmaakt van overheidsziekenhuizen.

Het Verrassende Antwoord: De sterkste voorspeller was niet geld of verzekering. Het was de opleiding van vrouwen.

De Analogie: Denk aan onderwijs als een "magneet". Hoe hoger opgeleid de vrouwen in een staat zijn, hoe sterker de magneet richting keizersneden trekt.
Waarom? De studie suggereert dat dit "demand-side medicalization" (medische problematisering aan de vraagzijde) is. Georganiseerde, hoogopgeleide vrouwen zijn mogelijk ontvankelijker voor medisch advies, meer bewust van hun opties, of eerder geneigd om de vermeende "veiligheid" van een keizersnede te kiezen.
De Tegenstrijdige Bevinding: Het feit dat er meer geboortes in overheidsziekenhuizen plaatsvinden, verlaagde de keizersnedecijfers niet. Sterker nog, in staten zoals Telangana voeren de overheidsziekenhuizen ook keizersneden uit op zeer hoge frequentie. Dus simpelweg vrouwen naar overheidsziekenhuizen sturen lost het probleem niet op als de artsen daar ook te veel keizersneden uitvoeren.

Een Andere Factor: De Totaal Vruchtbaarheidscijfer (TFR) (hoeveel kinderen een vrouw gemiddeld krijgt) was gekoppeld aan lagere keizersnedecijfers.

De Analogie: In staten waar vrouwen veel kinderen krijgen (hoge TFR), zijn de "oude manieren" van natuurlijke bevalling nog steeds zeer gebruikelijk, wat het keizersnedecijfer lager houdt. In staten met kleinere gezinnen (lage TFR) is de verschuiving naar medische interventies (keizersneden) sterker.

Wat Moet Er Gebeuren? (De Aanbevelingen van het Papier)

De auteurs wijzen niet alleen op het probleem; ze stellen vier specifieke "reddingsboten" voor om te voorkomen dat het water verder stijgt:

De "Regelboek"-controle: Particuliere ziekenhuizen die overheidsverzekeringen accepteren (PMJAY), moeten worden gedwongen een strikt "Regelboek" (de Robson-classificatie genoemd) te volgen om te bewijzen dat ze een goede medische reden hebben voor elke keizersnede.
Betaling met Voorwaarden: De overheid moet alleen betalen voor een keizersnede als het ziekenhuis een duidelijk verslag levert van waarom deze medisch noodzakelijk was.
Kwaliteitscontrole: Breid het "LaQshya"-programma uit (een overheidsinitiatief om bevallingskamers te verbeteren), maar voeg een specifiek doel toe: het verminderen van het aantal keizersneden, niet alleen het verbeteren van het gebouw.
Praten vóór de Geboorte: In staten met een hoge opleiding en een hoog aantal keizersneden moeten artsen eerlijke gesprekken voeren met zwangere vrouwen voordat zij bevallen, waarbij wordt uitgelegd dat keizersneden risico's met zich meebrengen en niet altijd de veiligste keuze zijn.

De Kern van het Verhaal

Deze studie is als een kaart die laat zien dat de keizersnedecijfers in India snel stijgen, grotendeels gedreven door hoogopgeleide vrouwen die kiezen voor (of aangeboden krijgen) medische bevallingen, en door een enorme kloof waarbij particuliere ziekenhuizen de procedure veel vaker uitvoeren dan overheidsinstellingen. De oplossing is niet alleen het bouwen van meer overheidsziekenhuizen, maar het veranderen van de cultuur rondom het waarom en wanneer deze operaties worden uitgevoerd.

Technische Samenvatting: Analyse op staatsniveau van de percentages keizersneden in India (NFHS-6)

Probleemstelling
Het percentage kezersneden (CS) in India is gestegen van 21,5% tijdens de NFHS-5 enquête (2019–21) naar 27,2% in NFHS-6 (2023–24). Dit cijfer ligt nu 82% boven de optimale populatieniveau-plafond van 15% volgens de Wereldgezondheidsorganisatie (WHO). Hoewel eerder onderzoek een verband heeft gelegd tussen excessen in de private sector en financiële prikkels en zwakke regulering, heeft geen enkele gepubliceerde studie gebruikgemaakt van de nieuw vrijgekomen NFHS-6 data om CS-percentages over alle 36 Indiase staten en Unies (UT's) in kaart te brengen. Bov Lands bestond er een gebrek aan analyse met betrekking tot de "private-publieke sector-kloof" en de identificatie van ecologische determinanten die deze percentages op staatsniveau aansturen.

Methodologie
Deze studie is een ecologische cross-sectionele analyse die gebruikmaakt van publiekelijk beschikbare staatsfactsheets van NFHS-6 (2023–24).

Databron: Staatsgegevens voor 35 staten/UT's (het nationale aggregaat werd uitgesloten van regressieanalyse).
Primaire uitkomstmaat: Algeheel staat-CS-percentage (% van institutionele geboorten).
Secundaire uitkomstmaten: CS-percentage in de private sector, CS-percentage in de publieke sector, en de Market-Driven Care Index (MDCI), gedefinieerd als de ratio van het CS-percentage in de private sector tot het CS-percentage in de publieke sector ( $MDCI = I.39 \div I.40$ ).
Predictoren: Vier ecologische variabelen werden onderzocht:
1. Dekking van de gezondheidsverzekering (% huishoudens).
2. Onderwijsniveau van vrouwen (% van de leeftijdscategorie 15–49 met $\ge$ 10 jaar scholing).
3. Aandeel institutionele geboorten in publieke instellingen.
4. Totaal vruchtbaarheidscijfer (TFR).
Statistische Analyse:
- Correlatie: Spearman rangcorrelaties werden gebruikt om paargewijze associaties te beoordelen, met een met Bonferroni aangepaste significantiedrempel van $p < 0,0125$ om testen voor meerdere hypotheses te controleren.
- Regressie: Ordinary Least Squares (OLS) multiple regressie met HC3 robuuste standaardfouten werd toegepast om staatsniveau CS-percentages te modelleren. Twee parsimonieuze modellen werden geconstrueerd om overfitting te voorkomen, gezien de steekproefomvang ( $n=35$ $n = 35$ ):
  - Model 1: Gezondheidsverzekering + aandeel geboorten in publieke instellingen.
  - Model 2: Onderwijs van vrouwen + TFR.
- Software: Analyses werden uitgevoerd met Python 3.12.

Belangrijkste Bijdragen

Uitgebreide Mapping: De studie biedt de eerste staatsniveau documentatie van CS-percentages voor alle 35 rapporterende staten/UT's met behulp van NFHS-6 data.
Introductie van MDCI: Het introduceert de Market-Driven Care Index (MDCI) als een samengestelde maatstaf om de divergentie tussen private en publieke sector CS-percentages te kwantificeren. De auteurs merken op dat MDCI gevoelig is voor lage publieke sectoren-denominatoren en geïnterpreteerd moet worden naast absolute percentages.
Ecologische Predictoren: De studie identificeert en kwantificeert de ecologische drijfveren van staatsniveau CS-percentages, waarbij onderscheid wordt gemaakt tussen vraagzijde-factoren (onderwijs) en structurele factoren (sectorale toegang).

Resultaten

Nationale Trends: Het nationale CS-percentage is in ongeveer vijf jaar tijd met 5,7 procentpunt gestegen (een relatieve stijging van 26,5%). Het nationale private-sector percentage is 54,1%, vergeleken met 16,9% in overheidsziekenhuizen, wat een nationale MDCI oplevert van 3,20.
Variabiliteit tussen staten: De percentages varieerden van 6,4% (Meghalaya) tot 62,2% (Telangana). Vier staten (Telangana, Andhra Pradesh, Sikkim, Jammu & Kashmir) overschreden 50%. Slechts drie staten (Nagaland, Mizoram, Meghalaya) vielen binnen de optimale WHO-range van 10–15%.
Sectorale Divergentie (MDCI):
- Hoge MDCI (Ongelijkheid): Staten zoals Bihar (MDCI 18,26) en Jharkhand (MDCI 8,87) vertoonden enorme kloven waarbij private ziekenhuizen CS uitvoerden op percentages die 8 tot 18 keer hoger lagen dan die van overheidsfaciliteiten. In deze regio's is toegang tot CS effectief een privaat goed.
- Lage MDCI (Systemische Medicalisering): Staten zoals Kerala (MDCI 1,08) vertoonden hoge CS-percentages in beide sectoren, wat wijst op "gelijkheid in excess" (equity-in-excess).
- Telangana/Andhra Pradesh: Deze staten vertoonden hoge algemene percentages maar een lagere MDCI (1,74), wat duidt op systeembrede medicalisering in plaats van enkel een excess in de private sector.
Voorspellend Model:
- Vrouwenonderwijs: De sterkste voorspeller van staatsniveau CS-percentages. Een Spearman correlatie van $\rho = +0,532$ ( $p=0,001$ ) en een OLS coëfficiënt van $\beta = +0,377$ ( $p=0,0001$ ) geven aan dat voor elke 1 procentpunt toename in vrouwen met $\ge$ 10 jaar scholing, het staatsniveau CS-percentage met 0,377 procentpunt stijgt.
- Totaal Vruchtbaarheidscijfer (TFR): Is invers gecorreleerd met CS-percentages ( $\rho = -0,428$ , $p=0,010$ ). In Model 2 verklaarde TFR een significant deel van de variantie, met een coëfficiënt van $\beta = -12,101$ ( $p=0,035$ ).
- Niet-significante Factoren: Het aandeel geboorten in publieke faciliteiten en de dekking van de gezondheidsverzekering vertoonden geen significante correlatie met staatsniveau CS-percentages.
- Modelprestaties: Model 2 (Onderwijs + TFR) verklaarde 30,7% van de variantie in staatsniveau CS-percentages ( $R^2 = 0,307$ ).

Significantie en Claims
Het artikel stelt dat het onderwijsniveau van vrouwen de dominante ecologische voorspeller is van de staatsniveau CS-percentages in India, wat reflectie is van "vraagzijde-medicalisering", waarbij geëmancipeerde/geschoolde vrouwen meer ontvankelijk zijn voor medische aanbevelingen, wat potentieel electieve CS aanjaagt.

De studie benadrukt een kritieke gelijkheidscrisis die door geaggregeerde statistieken wordt gemaskeerd. In staten met een hoge fertiliteit en laag inkomen (EAG-staten), duiden lage algemene CS-percentages niet noodzakelijkerwijs op passende zorg; het weerspiegelt vaak een ernstige onderbevoorrading in de publieke sector, waar CS slechts toegankelijk is als een privaat goed (hoge MDCI). Daarentegen weerspiegelen de hoge CS-percentages in de zuidelijke staten met een lage fertiliteit een systeembrede medicalisering.

De auteurs concluderen dat beleidsinterventies verder moeten gaan dan enkel het routeren van geboorten naar publieke faciliteiten. In plaats daarvan stellen zij voor:

Verplichte CS-audits met behulp van de Robson-classificatie in private ziekenhuizen.
Het conditioneren van PMJAY (Ayushman Bharat) vergoedingen op gedocumenteerde klinische indicaties.
Het opschalen van de LaQshya-initiatief met specifieke CS-reductiedoelen.
Pre-natale educatiecampagnes gericht op staten met een hoog CS-percentage en hoog onderwijsniveau.

Beperkingen en Bescheidenheid
De auteurs geven expliciet aan dat deze bevindingen ecologisch zijn en geen individuele causale relaties impliceren. De positieve associatie tussen onderwijs en CS-percentages kan bredere ontwikkeling, urbanisatie en afhankelijkheid van de private sector vangen, in plaats van enkel onderwijs alleen. De studie erkent beperkingen zoals zelfgerapporteerde data, het onvermogen om klinische indicaties te beoordelen vanuit de NFHS-data, en de aanwezigheid van mogelijke niet-gemeten confounders (bijv. dichtheid van obstetici, concentratie van private ziekenhuizen). De MDCI wordt gepresenteerd als een beschrijvend monitoringsinstrument in plaats van een gevalideerde causale metriek.