Policy Research Working Paper 8924

An Assessment of Water, Sanitation and Hygiene Access in Bangladesh’s

Community Health ClinicsGeorge Joseph

Bushra Binte AlamAnne ShresthaKhairul Islam

Santanu LahiriSophie Ayling

Water Global PracticeJune 2019

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Produced by the Research Support Team

Abstract

The Policy Research Working Paper Series disseminates the findings of work in progress to encourage the exchange of ideas about development issues. An objective of the series is to get the findings out quickly, even if the presentations are less than fully polished. The papers carry the names of the authors and should be cited accordingly. The findings, interpretations, and conclusions expressed in this paper are entirely those of the authors. They do not necessarily represent the views of the International Bank for Reconstruction and Development/World Bank and its affiliated organizations, or those of the Executive Directors of the World Bank or the governments they represent.

Policy Research Working Paper 8924

Adequate water, sanitation and hygiene (WASH) in health care facilities plays a critical role in ensuring improved health care utilization and reducing disease burden due to reinfection. WASH in health facilities is now gaining momentum with the new SDG targets that governments have vowed to meet. This goal calls for a baseline examina-tion of existing WASH conditions in health facilities. Using data collected through a census of all community health

clinics in Bangladesh, this paper presents an analysis of the state of WASH in Bangladesh’s rural, public health facilities highlighting that the lack of functionality of WASH facili-ties is a widespread problem across the country. The paper also identifies priority areas for action when considering the prevalence of poverty and chronic undernutrition at the upazilla level.

This paper is a product of the Water Global Practice. It is part of a larger effort by the World Bank to provide open access to its research and make a contribution to development policy discussions around the world. Policy Research Working Papers are also posted on the Web at http://www.worldbank.org/prwp. The authors may be contacted at gjoseph@worldbank.org.

An Assessment of Water, Sanitation & Hygiene Access in Bangladesh’s Community Health Clinics 

 George Joseph,  Bushra Binte Alam, Anne Shrestha , Khairul Islam, Santanu Lahiri, Sophie Ayling   

                     JEL: I15; I18, Q01 Key Words: SDG, Health Clinics, Health Centers, WASH access, Water Supply, Sanitation, Bangladesh  

 

   

Corresponding  author:  George  Joseph  (Water  Global  Practice,  The  World  Bank,  Washington  DC,  USA  20433, gjoseph@worldbank.org);  Anne  Shrestha  (Water  Global  Practice,  The  World  Bank,  Washington  DC,  USA  20433,ashrestha7@worldbank.org); Bushra Binto Alam( Health Nutrition and Population Global Practice, The World Bank, Dhaka, Bangladesh; balam@worldbank.org; Khairul  Islam, Water Aid Bangladesh, Dhaka  , Bangladesh,khairulislam@wateraid.org; Santanu  Lahiri,  Water  Global  Practice,  The  World  Bank,  Dhaka,  Bangladesh,  slahiri@worldbank.org);  Sophie  Ayling (sophie2@ayling.com, InterAmerican Development Bank, Washington DC, USA 20577 

This paper is a product of an assignment conducted for the FAO and World Bank using data collected by Community Based Health  Care  (CBHC)  with  support  from World  Bank  and WaterAid  Bangladesh.  This  was made  possible  by  the  SwedishInternational Development Cooperation Agency and benefited  from  funding  from  the Government of  Japan  through  theJapan Trust Fund for Scaling Up Nutrition. We would like to thank the valuable contributions of Prof. Dr. Md. Abul HashemKhan, Dr. Ashish Kumar Saha, Er. Md. Ziaul Haque, Dr. Barendra Nath Mandal, Dr. Farzana Munmun, Ms. Soma Ghosh Moulik, Mr. Arif Ahamed, Ms. Rokeya Ahmed, Mr. Abu Ahmed Mansoor Kabir, Mr. Mohammed Abu Hamid, Mr. SM Rezaul Islam, Mr.Mohammed  Abu  Hamid,  Mr.  Bakhtiar  Sohag,  Mr.  Sahil  Deo,  Ms.  Sanjana  Krishnan,  Mr.  Akramul  Haque  and Mr.  Tareq Mahamud. 

The findings, interpretations, and conclusions expressed in this work do not necessarily reflect the views of FAO or The World Bank, its Board of Executive Directors, or the governments they represent. FAO or The World Bank does not guarantee theaccuracy of the data included in this paper.  

2 

 

Water, Sanitation & Hygiene (WASH) in Bangladesh’s Community Clinics

Introduction 

Adequate WASH in health care facilities (HCFs) is critical to uphold their very purpose: to provide effective medical services. The lack of adequate WASH in HCFs not only compromises the effectiveness of service delivery but also has the potential do more harm than good as transmission of infectious diseases in public settings holds higher risks of causing large epidemics in comparison to household settings (Caincross et al.,1996). Moreover,  the burden of  infections  is higher among patients and newborns whose  immune systems are already compromised. Endemic health‐care‐associated infections are a major problem in the developing world, where HCFs are likely to have lower hygiene standards (Allegranzi et al.,2011). HCF‐acquired neonatal infection rates are three to twenty times higher in resource‐limited countries than in industrialized ones (Zaidi et al., 2005). Poor WASH in HCFs may discourage women from giving birth in health  facilities  or  cause  delay  in  care‐seeking (Velleman et al.,2014). This is important to note in the context of Bangladesh where the percentage of births accompanied by a skilled birth attendant is already low (32%)  (Tatem  et  al.,  2014).  The WHO  (2014)  reports that  in  low  income  settings,  an  estimated  10‐15% of maternal  deaths  are  due  to  infections  that  can  be linked  to  unhygienic  conditions.  On  the  other  hand, improving WASH conditions could help establish trust in HCFs and encourage mothers to seek prenatal care and delivery services at facilities (Russo et al. 2012). 

This  brief  report  seeks  to  understand  the  status  of WASH in rural,  lowest tier, public HCFs in Bangladesh known as ‘community clinics’ (CCs). CCs form the first line of care for most rural Bangladeshis. In other words, they serve over 60 percent of Bangladesh’s 163 million population.  

So far, the focus had been skewed towards household WASH improvements as the Millennium Development Goals (MDGs) did not include targets for WASH in HCFs and public spaces in general. However, the Sustainable Development Goals (SDGs) have now specified targets for WASH  in  public  spaces,  including HCFs,  using  the guidelines  set  forth  by  the  Joint Monitoring Program (JMP) of  the World Health Organization, as  shown  in Figure  1  (WHO,  UNICEF,  2018).    The  guidelines  also include indicators for health care waste management and environmental cleaning at HCFs (not shown in figure). Governments and donors are now encouraged  to prioritize  the goals and ensure an adequate system to enforce and monitor the guidelines in HCFS.  

Adequate WASH at HCFs  is, however, also crucial for other development goals (SDGS) such as poverty reduction and human development. Poor WASH has  implications on  long‐term poverty  reduction and overall human development. The poor, usually the bottom 40 (B40) of the income distribution, are the ones who use CCs  as  their  first  line  of  health  care.  They  also  carry  the  added burden of  disease  and 

Figure 1:  JMP service ladder for WASH in HCFs 

 

3 

 

inadequate nutrition. Together, in the short term, this puts pressure on resources of the poor and in the long term, has the potential to compromise capabilities that push them back into to the cycle of poverty. Most often, this is manifested in chronic undernutrition. Chronic undernutrition is where a child’s ability to grow to their full physical and cognitive potential  is stunted, due to chronic deprivation of essential nutrients through inadequate dietary intake and/or disease (UNICEF, 1990). There is growing evidence that  inadequate WASH  adds  to  the  disease  causal  pathway  of  stunting  through  increased  burden  of diarrheal  diseases  and environmental  enteric  dysfunction  (EED)  (Humphrey,  2009; Ngure  et  al.,  2014; Prüss–Ustün et al. 2014). Since about 35 percent of all children under five in Bangladesh are stunted, it is important to prioritize WASH in community clinics when we consider the far‐reaching impacts it can have on human development. 

Another  factor  that  invites  a  closer  look  at  community  clinics  in  Bangladesh  is  its  decentralized institutional framework for primary health care provision. Theoretically, a decentralized system can be more efficient and have greater accountability. However,  in countries with high  regional disparities  in income, decentralization often reduces the redistributive powers of the central government and limits the  level  of  transfers  from  richer  to  poorer  jurisdictions,  worsening  equity  (Akin  et  al.,2005).  In Bangladesh, this means that the Union Parishads (UPs) are responsible for allocating resources towards CCs. The poorer the UPs, the less likely they are to have sufficient resources to allocate towards WASH in CCs  in  the  face  of  competing  budget  demands.  Therefore, without  an  intervention  that  enables  such resource allocation towards WASH in HCFs, CCs in poorer UPs may not have the means to improve their conditions.  

Thus, while this analysis presents a snapshot of the status of WASH in CCs at the upazila (sub‐district) level in Bangladesh, it also seeks to understand the extent of the problem in relation to the incidence of poverty and stunting. Specifically, it identifies regions with elevated levels of poverty, high stunting and low WASH in CCs, which are those where the UPs may not be able to improve outcomes on their own and prioritized interventions are called for. 

The remaining sections of this brief describe the data used for this analysis and method used to create a WASH index, the status of WASH in upazilas and concludes with a discussion on the way forward.  

Data Sources 

This analysis uses three main sources of data to combine upazila level HCF WASH data, poverty data and stunting data for children under five. 

For the WASH indicators, data from a 2017 rapid assessment survey of WASH by the Community Based Health Care (CBHC), Directorate General of Health Services (DGHS) and the Ministry of Health and Family Welfare (MoH&FW) was used. The survey covers 63 zilas (districts) and 469 upazilas out of 492 upazilas. As of June 2016,  DGHS registry1 showed that 13, 394 CCs were in operation. The rapid assessment was designed for scale rather than depth. It only contains six questions on the type of water, sanitation and hand‐washing facility and the state of their functionality that the CCs self‐reported online.2 The questions on functionality highlights the value‐added of this survey as this  information is not usually captured in surveys. To verify the reliability of this data, CBHC used a validation survey (WaterAid Bangladesh, 2018)3 , the results of which we compare herein. 

                                                            1 http://facilityregistry.dghs.gov.bd/index.php 2 For details, see Annex‐Table 1 3 Two CCs from each upazila were randomly selected 

4 

 

The poverty figures at the upazila  level are   derived from the predicted poverty estimates from Steele et al. (2017).4 It uses overlapping data from i) traditional household  surveys  (DHS,  HIES,  2010  and  Census 2011);  ii)  remote  sensing  data  such  as  night‐time lights,  distance  to  roads,  distance  to  closest  urban settlements,  climate  variables;  and  iii)  call  detail records  at  varying  spatial  resolutions  to  estimate poverty  rates  using  Bayesian  geostatistical  models (BGMs)  (See Annex‐Figure 1  for a upazila  level map with  poverty  estimates).  The  only  other  poverty estimate available to us at the time of analysis were the national estimates from Census 2011, which we deemed outdated to use alongside 2017 WASH data. 

The upazilas level stunting estimates for children under five were taken from the Small‐Area Estimation of Child Undernutrition in Bangladesh report by Haslett et al. (2014), Bangladesh Bureau of Statistics (BBS) and the World Food Programme (WFP). The estimates combine survey data from the Child and Mother Nutrition Survey of Bangladesh 2012 (CMNS) and the Health and Morbidity Status Survey 2011 (HMSS) which some additional data from the BBS Census 2011. 

Method 

In  addition  to  descriptive  statistics,  the  primary objective  of  this  analysis  is  to  have  a  upazila  level spatial snapshot of the state of WASH in CCs. To this end, we  first  create  tiers  for each  category of WASH using  the available  survey data. The questions  in  the survey  are  not  comprehensive  enough  to  create  the complete  JMP  tiers.  However,  we  follow  the  JMP guidelines  to  the  extent  possible  with  the  available data. Specifically, each of the three category tiers are coded as shown in Table 1.5 Table 2 shows the number and proportion of CCs that fall under each tier.  

Each of  the  three  tiers are  then  scaled  into an  index between 0 and 1. The WASH score for each HCF is the aggregate  of  the  three  indices  combined.  And  the WASH index is the mean of the HCF WASH scores at the upazila level, scaled between 0 and 1. The upazilas with WASH index below 0.5 are categorized as ranking “low” in WASH, whereas those with a score above 0.5 

                                                            4 Mean probability of households being below $2.50/day using the Progress Out of Poverty Index (PPI) computed using survey data. 5 The survey includes whether there was arsenic testing done at the HCF, however, no further information on water treatment or quality was  solicited. The  survey also  includes a question on when  the pit  latrine was  last emptied. However,  this  information  is not complete enough to make a proper assessment of  the state of sanitary  facilities beyond functionality. Therefore, we leave those out in constructing our index. See Annex‐Table 1 for questionnaire. 

 

Table 2: HCFs at each WASH Tier, by category 

Water  Freq.  % 

0  7,690  64.67 1  3,692  31.05 2  509  4.28 

Total  11,891  100      

Sanitation  Freq.  Percent 

0  3,539  30.03 1  6,402  54.33 2  1,586  13.46 3  183  1.55 4  74  0.63 

Total  11,891  100      

Handwashing  Freq.  Percent 

0  1,697  14.27 1  4  0.03 2  10,190  85.7 

Total  11,891  100 

Table 1: WASH Tiers 

Tier  Water  Sanitation  Handwashing 

0 No supply/ Not 

functional No latrine/ Not 

functional No facility 

1 Functional hand‐pump 

One functional latrine 

Facility with water 

2 Functional piped water 

Two functional latrines 

Facility1 with water and soap 

3  ‐ Three functional 

latrines ‐ 

4  ‐ Four functional 

latrines ‐ 

 

5 

 

are categorized as ranking “high” in WASH. However, it is important to note that a perfect score of 1 indicates  relatively  better  WASH  but  not  necessarily  adequate  WASH  based  on  JMP  standards. Therefore, it is most useful to read these results to compare across upazilas keeping in mind that bad scores indicate very poor WASH in CCs but good scores do not necessarily reflect adequate WASH. 

Similarly, the upazila level poverty probabilities and stunting estimates are also rescaled to range  

between 0 and 1, and then categorized into “low” or “high” poverty/stunting based on the 0.5 score cut‐off. Again, “low” and “high” should be read in relative terms only. 

Using the WASH, poverty and stunting indices, we identify and map upazilas in Bangladesh that rank high in poverty and in stunting in relation to their WASH status. The base maps for the upazilas are from the Global Administrative Areas database. 

The Status of WASH in Community Clinics: A Snapshot 

The community clinics in Bangladesh still have a long way to go to achieve adequate WASH facilities that are critical to providing safe, hygienic environments that help promote proper treatment and well‐being of patients. Overall, the rapid assessment data shows that adequate handwashing facilities at CCs are becoming near universal, whereas adequate water and sanitation are far from adequate. 

A large majority of the community clinics had limited WASH facilities only. Table 3 shows the number of CCs that met individual WASH category criteria. Less than 36 percent of the community clinics had basic water supply,  i.e. a  functional  improved water source. Around 30 percent did not have any functional sanitation facility. Only 16 percent had two functional latrines on premises. According to the 2008 WHO guidelines,  HCFs  must  have  at  least  4  functional, improved sanitation facilities on premises.  Less than 2 percent  of  the  community  clinics  met  this  WHO criterion. Eighty‐five percent of the community clinics have  adequate  handwashing  facility  with  soap  and water.  However,  it  is  unclear  to  what  extent  the handwashing  facilities  were  affected  by  the  lack  of functional water supply. 

The CBHC survey  revealed  that a major challenge  is that many community clinics did not have any type of WASH facility within premises; 2,280 community clinics (19 percent) did not have any functional water, sanitation or hand‐washing facility.6  

Of the 11,891 CCs surveyed, 3,660 community clinics reached the  ‘limited’  JMP standard detailed  in Figure 1. In other words, only about 31 percent of the community clinics had at least a functional improved water source (handpump or piped), at least one functional latrine (type unknown), and a handwashing station with water and soap. If we set a stricter standard of at least two functioning latrines (one for each gender) as suggested as one of the criterion in the JMP ‘basic’ sanitation tier, the number of community clinics with adequate overall WASH falls to 1,003. These preliminary numbers show that most rural and peri‐urban residents in Bangladesh have less than reliable primary health services in CCs, which are often the first line of care for patients. 

                                                            6 For further details, please refer to Annex‐Table 3 and Annex‐Table 4. 

 

Table 3:HCFs with limited/ basic WASH, by category 

WASH Category Freq.  % 

 Basic Water  4,201  35.33 

Limited Sanitation ≥ 1 latrines  8,352  70.24 

Limited Sanitation ≥ latrines  1,950  16.4 

Limited Sanitation ≥ 4 latrines  181  1.52 

Limited Handwashing     10,190  85.7 

 

6 

 

Most community clinics (87 percent) relied on hand‐pumps as their water source. However, only 14.5 percent  of  the  them  had  conducted  an  arsenic  test7. Due  to  limited  data,  the  result  of  the  test  or treatment measures taken to improve water quality before use is unknown.  

While all the community clinics had technologically improved sources of water supply such as hand‐pump, rain water  jar or piped water, 64.8 percent of them were not  functional. This statistic adds a challenging dimension to the ICDDR,B figure reported in WHO (2015)8, where 97% of HCFs are said to have water  coverage without  considering  the  functionality of  the water  source.  It  is  unclear how  the community clinics meet their water needs when their primary source is non‐functional and whether the secondary sources were improved sources. The validation survey showed that only 49.1 percent of the water facilities were non‐functional. However, this could be attributed to the difference in time periods9 of assessment and/or sampling.  

Reliability of water on premises is key for HCFs. Time spent collecting water can take time away from treating patients. Due to the high frequency of non‐functional water sources, the water index in Figure 2 shows a need for progress at scale in terms of water coverage in CCs in Bangladesh. Mymensingh and Barisal divisions have the highest concentration of upazilas with the lowest water index scores, although this is widespread in other divisions as well.  

Non‐functionality  was  a  significant  challenge  for sanitation facilities as well. While 99 percent of the CCs had at  least one latrine, over 28 percent of them did not  have  any  functional  latrines. Around  13  percent had  two  functional  latrines  and  about  2  percent  had three or more functional latrines. Figure 3 show the map of the sanitation index by upazila. Again, Mymensingh and  the  south  of  Dhaka  appear  to  have  the  highest number of upazilas with poor sanitation at community clinics. It is important to note that the validation survey showed a lower prevalence of non‐functional sanitation facilities at the CCs by about 10 percentage points. The validation  survey  also  collected  data  on  whether  the status  of  latrines  was  affected  due  to  flooding.  The results showed no significant difference. 

The  extent  of  unimproved  facilities  in  community clinics is unknown, as there is no information about the type of latrine provided in the survey. Moreover, it also does  not  contain  any  information  on  whether  the facilities are separated for staff and patients, segregated by  gender,  or  if  they  are  accessible  to  people  with limited mobility. This additional data will be crucial for 

                                                            7 In Bangladesh, naturally occurring Arsenic in ground water is a major problem in many regions of the country.  8In addition, the report puts sanitation coverage at 0.53 and hygiene coverage 0.79. Again, these figures do no take functionality into account. 9 The validation survey was conducted 1‐2 months after the CBHC rapid assessment. 

Figure 2: Community Clinics with Basic Water Access, by Upazila 

 

7 

 

Bangladesh to establish a baseline status of WASH in community  clinics  in  order  to  adequately  measure their progress towards the SDGs. 

The survey showed that over 85 percent of the CCs have  some  type  of  handwashing  facility.  Fourteen percent  of  the  CCs  did  not  have  any  facility  for handwashing, which is critical to prevent the spread of diseases. 74 percent of the community clinics had bucket  and  soap  available  for  handwashing.  Six percent of  community  clinics used basin with  soap, and another six used tippy taps with soap. It is likely that  handwashing  facilities  lack  water  in  the community clinics where the water sources were not functional. However, assuming that the facilities did have both water (from secondary sources) and soap, handwashing  was  adequate  in  most  of  the  upazila community clinics by JMP’s ‘limited’ standard. Figure 4 shows that Mymensingh and south of Dhaka, again, have the most upazilas that rank the lowest. 

The validation survey showed a significant difference 

in  the  prevalence  of  handwashing  arrangement available in CCs. It reports that less that 66 percent had any  type  of  handwashing  arrangement.  This  survey collected this data by observation, and therefore is likely to  be more  valid.  Thus,  Figure  4  might  be  showing  a more optimistic picture than reality. However, in order to establish the adequacy by JMP standards, more data on  the  type,  number  and  location  of  handwashing facilities in necessary.  

Figure 5  shows an aggregated picture of  the  status of WASH  in  community  clinics  at  the  upazila  level.  The upazilas that had the worst WASH conditions ‐‐with an index score below 0.4‐‐ appear in orange or red and are labeled in the map (a list of these upazilas can also be found  in  Annex‐Table  5).  Mymensingh,  Dhaka  and Rajshahi  divisions  have  the  most  number  of  upazilas with community clinics with low WASH. Rangpur, on the other hand, ranks higher in terms of WASH score despite ranking  high  in  poverty  rate.  Nonetheless,  keeping  in mind  that  higher  scores  do  not  necessarily  mean adequacy  in  absolute  terms,  more  information  is needed  to ensure  that CCs  in high poverty areas have adequate WASH for proper service delivery.  

.

Figure  4:  Community  Clinics  with  Handwashing Coverage, by Upazila 

 

 

Figure 3: Community Clinics with Limited Sanitation Access, by Upazila 

 

8 

 

Figure 5: WASH Index by Upazila 

 

Overlaying areas of high/low WASH in the CCs over areas of high/low poverty Figure 6a) and areas of high/low stunting Figure 6b), we find that there isn’t much of a correlation between poverty and status of WASH  in  community  clinics. Whereas, we  find  some  correlation between  the  areas with  relatively higher WASH and areas with  low stunting. Notably,  the western half appears  to have higher  levels of WASH in community clinics,  lower  levels of stunting despite higher  levels of poverty. This reveals that stunting is an issue that transcends class lines in Bangladesh. It is an interesting area for further research to understand the underlying causal relationships and to draw lessons for the eastern part which fares 

worse in terms of these outcomes. 

9 

 

Figure 6a and 6.b show that Mymensingh appear in both maps as a region with high poverty and high stunting with low levels of WASH in community clinics.  However, the problem is more widespread; there are  upazilas  scattered  throughout  Bangladesh  with  high  poverty,  high  stunting  and  low  WASH  in community  clinics.  Annex‐Figure  2  shows  the  upazilas  with  high  stunting  and  high  poverty  whereas, Annex‐Figure 3 shows its subset where health center WASH also ranks low. The list of upazilas in the latter figure is also available in Annex‐Table 6. These are the upazilas with the highest need but are most likely faced with the highest budget constraints to improving WASH facilities in health care and public domains in general 

 

Figure 6.a & 6.b: State of WASH in Community clinics and Poverty, by Upazila (Source: DGHS, WB, 2017; Steel et al. 2017) 

 

 

Discussion 

Preliminary results from the rapid assessment data indicate that the state of WASH in community clinics in Bangladesh is a matter of high concern. While there is a long road ahead in achieving adequate levels of WASH in community clinics, the recent WASH guidelines in the works for WASH in community clinics by led by MoH&FW and WHO –and the community clinic WASH improvement programs being led by non‐profits  such  as WaterAid‐‐  show  that  Bangladesh  is  already on  the path  to  addressing  the  challenges highlighted by this CBHC survey. 

10 

 

One  of  the main  findings  is  that  the  prevalence  of  non‐functional  water  and  sanitation  facilities  is  a significant issue. More information is necessary to establish what the secondary sources are, and if they are adequate for effective health service delivery. There is also a need for more comprehensive data to be collected not just on where arsenic testing has been carried out, but what the results were and whether proper treatment was administered to mitigate the issue before usage. 

In relation to our health indicator for human development, the degree of overlap between upazilas with high  levels  of  stunting  and  low  levels  of WASH  is  remarkably  high  and  calls  for  a  closer  look  at  the determinants of stunting in those regions. 

Despite low income levels, the west of Bangladesh had relatively higher levels of WASH in its community clinics. As noted in the above sections, there are two main caveats to keep in mind. One, that the index is a relative measure and a perfect score of 1 is by no means indicative of adequate WASH. Two, it is worth entertaining the possibility that there could have been measurement errors in the collection of data for the rapid assessment. If that is the case, we can expect to see over‐ or under‐estimated rates of WASH at community clinics. 

While the lowest income areas are not necessarily the ones where WASH is the poorest, it is worth noting that the Union Parishad’s limited revenues, particularly own resource mobilization, will most probably be a constraint to achieving adequate level of WASH by the SDG standards. Therefore, the local governments who are accountable for the improvement of community clinics need support at the national level through dedicated budget accounts. This pattern where WASH levels are higher in poorer regions could also reflect that more Bangladeshis in poorer regions use community clinics whereas those who live in richer regions bypass community clinics and may prefer to use private health services or hospitals even for the first line of care, causing greater neglect of community clinics in richer regions. If this happens to be the case, then the poorest of the poor in relatively higher income regions are likely to be left out to a greater degree than the poorest of the poor in relatively low‐income regions. 

However, this assessment only gives us a partial picture. To understand the depth of the problem, a more extensive  analysis  would  be  necessary.  The  simplicity  of  the  rapid  assessment  survey  affords representativeness  at  the  cost  of  depth  of  information.  Therefore,  while  this  analysis  provides  a preliminary account of the state of WASH in community clinics, it does not sufficiently establish a baseline against which progress towards SDGs can be measured. The DGHS an MoHFW will benefit from adopting the  core  survey  components  designed  to  assess  SDG  indicators  detailed  in  the WHO/UNICEF  (2018) guidelines, which can then be adjusted to fit the Bangladeshi context. 

 

 

   

 

11 

 

References 

Akin, J., Hutchinson, P. and Strumpf, K. (2005). Decentralisation and government provision of public goods: The public health sector in Uganda. Journal of Development Studies, 41(8), pp.1417‐1443. 

Allegranzi, B., Nejad, S. B., Combescure, C., Graafmans, W., Attar, H., Donaldson, L., & Pittet, D.  (2011). Burden of endemic health‐care‐associated infection in developing countries: systematic review and meta‐analysis. The Lancet, 377(9761), 228‐241. 

Cairncross, S., Blumenthal, U., Kolsky, P., Moraes, L., & Tayeh, A. (1996). The public and domestic domains in the transmission of disease. Tropical Medicine & International Health, 1(1), 27‐34. 

Haslett,  S.  J.  G.,  &  Isidro,  M.  (2014).  Small‐Area  Estimation  of  Child  Undernutrition  in Bangladesh. Bangladesh:  Bureau  of  Statistics,  United  Nations  World  Food  Programme  and International Fund for Agricultural Development. 

Humphrey,  J. H.  (2009.) “Child Undernutrition, Tropical Enteropathy, Toilets, and Handwashing.” Lancet 374 (9694): 1032–5. 

Ngure,  F.  M.,  B. M.  Reid,  J.  H.  Humphrey, M.  N. Mbuya,  G.  Pelto,  and  R.  J.  Stoltzfus  (2014).  “Water, Sanitation, and Hygiene (WASH), Environmental Enteropathy, Nutrition, and Early Child Development: Making the Links.” Annals of the New York Academy of Sciences 1308: 118–28. 

Prüss‐Ustün, A., J. Bartram, T. Clasen, J. M. Colford, O. Cumming, V. Curtis, et al. (2014). “Burden of Disease from Inadequate Water, Sanitation and Hygiene in Low‐ and Middle‐Income Settings: A Retrospective Analysis of Data from 145 Countries.” Trop Med Int Health 19 (8): 894–905. 

Russo ET, Sheth A, Menom M, Wannemuehler K, Weinger M, Kudzala AC et al. (2012). Water treatment and handwashing behaviors among non‐pregnant friends and relatives of participants in an antenatal hygiene promotion program in Malawi. American Journal of Tropical Medicine and Hygiene, 86:860‐865. WHO (2014) “WASH in Health Care Facilities” Presentation at Water and Health Conference, UNC http://whconference.unc.edu/files/2014/11/johnston‐02.pdf 

Steele, J. E., Sundsøy, P. R., Pezzulo, C., Alegana, V. A., Bird, T. J., Blumenstock, J., ... & Hadiuzzaman, K. N. (2017).  Mapping  poverty  using  mobile  phone  and  satellite  data. Journal  of  The  Royal  Society Interface, 14(127), 20160690. 

WHO (2008). Essential environmental health standards in health care. Geneva: World Health Organization, Geneva.  (http://  www.who.int/water_sanitation_health/hygiene/settings/ehs_hc/en/,  accessed August, 20 2018). 

 WHO, UNICEF  (2015) Water,  sanitation  and  hygiene  in  health  care  facilities:  status  in  low  and middle‐

income countries and way forward. Geneva: World Health Organization, Geneva  WHO, UNICEF (2018). Core Questions and Indicators for monitoring WASH in health care facilities in the 

Sustainable Development Goals. Geneva: World Health Organization, Geneva  Ministry of Health and Family Welfare, CBHC, DGHS, WHO, World Bank, UNICEF, WaterAid Bangladesh 

(2018). Community Clinic WASH Guidelines, Draft, September 2018. 

  

 

12 

 

Tatem, A. J., Campbell, J., Guerra‐Arias, M., De Bernis, L., Moran, A., & Matthews, Z. (2014). Mapping for maternal and newborn health: the distributions of women of childbearing age, pregnancies and births. International journal of health geographics, 13(1), 2. 

 UNICEF (United Nations Children’s Fund). 1990. Strategy for Improved Nutrition of Children and Women in 

Developing Countries. New York: UNICEF.  Velleman Y, Mason E, Graham W, Benova L, Chopra M, Campbell OMR et al. (2014). From joint thinking to 

joint action: A call to action on improving water, sanitation, and hygiene for maternal and newborn Health. PLoS Medicine; 11(12): e1001771. 

WaterAid  Bangladesh  (2018).  Nationwide  Assessment  of  Community  Clinics  on WASH  Services.  Dhaka, Bangladesh. 

Zaidi, A. K., Huskins, W. C., Thaver, D., Bhutta, Z. A., Abbas, Z., & Goldmann, D. A. (2005). Hospital‐acquired neonatal infections in developing countries. The Lancet, 365(9465), 1175‐1188. 

 

13 

 

ANNEX 

 

Annex‐Table 1: Rapid Assessment Questionnaire 

Water Sanitation Hygiene What type of drinking water supply do you have in your community clinic?

How many latrines do you have within community clinic building and how many latrines outside building, but within community clinic premises?

Is there any hand washing arrangement in your community clinic?

▪Type of supply (eg. Handpump, piped)

▪Number of toilets within and outside building ▪Hand washing facility- yes/no

▪Functional or notfunctional ▪Number of functional and non-functional toilets within and outside building

▪Type of hand washing arrangement (bucket, tap etc.)

Has anyone conducted arsenic test for hand pump? ▪Yes/no

When was the pit emptied last? ▪Emptied/Not emptied ▪ If emptied, year

▪Use of soap (yes/no)

 

 

Annex‐Table 2: WHO standards on WASH in Community clinics (Source: WHO, 2008) 

 

 

 

14 

 

Annex‐Figure 1: Predicted Poverty Prevalence 

 

Annex‐Table 3: Crosstabulation of Community clinics with limited water, sanitation (at least one latrine) and hand‐washing facilities 

Handwashing 

  Limited  None 

 

Sanitation (<=1)  None  Limited  None  Limited 

Water None  897  581  2,280  3,932 Limited  44  179  318  3,660 

 

Annex‐Table 4: Crosstabulation of CCs with limited water, sanitation (at least two latrines) and hand‐washing facilities 

Handwashing 

  Limited  None 

 

Sanitation (<=2)  None  Limited  None  Limited 

Water None  1,361  117  5,420  792 Limited  185  38  2,975  1,003 

 

 

15 

 

Annex‐Table 5: Upazilas with WASH Index Less than 0.4 

Division  District  Upazila  Wash Index  Poverty Rate  Stunting Rate 

Barisal  Barisal  Mehendiganj  0.34  73.81  0.40 

Barisal  Patuakhali  Dashmina  0.37  75.70  0.42 

Barisal  Patuakhali  Dumki  0.38  70.11  0.38 

Barisal  Pirojpur  Nazirpur  0.15  77.28  0.37 

Barisal  Pirojpur  Pirojpur Sadar  0.26  75.11  0.37 

Chittagong  Bandarban  Rowangchhari  0.38  79.65  0.46 

Chittagong  Brahmanbaria  Nasirnagar  0.36  80.74  0.45 

Chittagong  Brahmanbaria  Bijoynagar  0.40  80.06  0.43 

Chittagong  Comilla  Homna  0.06  74.77  0.44 

Chittagong  Comilla  Titas  0.23  72.74  0.41 

Chittagong  Comilla  Comilla Adarsha Sadar  0.26  70.96  0.39 

Chittagong  Comilla  Nangalkot  0.29  71.60  0.41 

Chittagong  Cox's Bazar  Kutubdia  0.33  76.05  0.46 

Chittagong  Cox's Bazar  Chakoria  0.37  73.40  0.43 

Chittagong  Khagrachhari  Panchhari  0.30  78.08  0.46 

Chittagong  Noakhali  Subarnachar  0.10  72.97  0.47 

Chittagong  Noakhali  Senbagh  0.15  70.44  0.42 

Dhaka  Faridpur  Alfadanga  0.21  77.07  0.38 

Dhaka  Faridpur  Bhanga  0.28  75.78  0.40 

Dhaka  Faridpur  Madhukhali  0.35  77.31  0.39 

Dhaka  Faridpur  Nagarkanda  0.39  76.71  0.39 

Dhaka  Gopalganj  Tungipara  0.18  77.21  0.36 

Dhaka  Gopalganj  Muksudpur  0.20  76.70  0.38 

Dhaka  Kishoregonj  Karimganj  0.12  77.81  0.43 

Dhaka  Madaripur  Kalkini  0.02  74.33  0.39 

Dhaka  Madaripur  Madaripur Sadar  0.34  73.99  0.42 

Dhaka  Manikganj  Ghior  0.06  77.57  0.40 

Dhaka  Mymensingh  Ishwarganj  0.00  77.22  0.44 

Dhaka  Mymensingh  Gauripur  0.07  76.53  0.43 

Dhaka  Mymensingh  Phulpur  0.33  77.11  0.45 

Dhaka  Mymensingh  Nandail  0.39  77.05  0.45 

Dhaka  Narayanganj  Sonargaon  0.26  72.38  0.43 

Dhaka  Netrakona  Atpara  0.04  77.04  0.44 

Dhaka  Netrakona  Kendua  0.29  78.87  0.43 

Dhaka  Netrakona  Kalmakanda  0.31  78.49  0.45 

Dhaka  Netrakona  Madan  0.38  78.13  0.45 

Dhaka  Shariatpur  Shariatpur Sadar  0.13  74.82  0.40 

Dhaka  Sherpur  Nalitabari  0.32  78.26  0.41 

Dhaka  Sherpur  Nakla  0.36  78.55  0.41 

Dhaka  Sherpur  Jhenaigati  0.40  78.35  0.42 

Dhaka  Tangail  Ghatail  0.23  76.73  0.40 

Dhaka  Tangail  Gopalpur  0.37  78.26  0.41 

Khulna  Jessore  Bagherpara   0.36  77.88  0.40 

Khulna  Khulna  Dighalia   0.27  76.44  0.42 

Khulna  Magura  Shalikha   0.21  78.82  0.37 

Khulna  Magura  Mohammadpur   0.38  76.37  0.39 

Khulna  Meherpur  Gangni   0.26  83.06  0.41 

Rajshahi  Bogra  Dhupchanchia  0.29  81.83  0.37 

Rajshahi  Bogra  Dhunat  0.31  80.38  0.42 

Rajshahi  Naogaon  Raninagar  0.19  84.06  0.39 

Rajshahi  Naogaon  Porsha  0.32  87.43  0.44 

Rajshahi  Natore  Baraigram  0.32  80.78  0.38 

Rajshahi  Natore  Bagatipara  0.38  81.07  0.37 

 

16 

 

Rajshahi  Pabna  Sujanagar  0.32  80.89  0.42 

Rajshahi  Pabna  Atgharia  0.38  79.45  0.40 

Rajshahi  Sirajganj  Belkuchi  0.33  79.22  0.50 

Rajshahi  Sirajganj  Ullah Para  0.36  80.24  0.43 

Rajshahi  Sirajganj  Kamarkhanda  0.37  78.11  0.44 

Rajshahi  Sirajganj  Chauhali  0.40  80.31  0.46 

Rangpur  Kurigram  Chilmari  0.07  80.23  0.44 

Sylhet  Sunamganj  Dharampasha  0.27  76.63  0.47 

Sylhet  Sylhet  Bishwanath  0.40  72.01  0.43 

 

Annex‐Figure 2: Levels of Stunting and Poverty 

 

 

 

17 

 

Annex‐Figure 3: Upazilas with Low WASH in CCs, High Poverty and High Stunting 

 

   

 

18 

 

Annex‐Table 6: Hotspots 

Division  District  Upazila  Wash Index  Poverty Rate  Stunting Rate 

Chittagong  Bandarban  Rowangchhari  0.38  79.65  0.46 

Chittagong  Brahmanbaria  Nasirnagar  0.36  80.74  0.45 

Chittagong  Brahmanbaria  Bijoynagar  0.40  80.06  0.43 

Chittagong  Brahmanbaria  Ashuganj  0.41  77.68  0.43 

Chittagong  Brahmanbaria  Sarail  0.50  80.72  0.43 

Chittagong  Khagrachhari  Panchhari  0.30  78.08  0.46 

Chittagong  Noakhali  Hatiya  0.41  89.54  0.47 

Chittagong  Rangamati  Rajasthali   0.46  77.45  0.44 

Chittagong  Rangamati  Baghaichhari  0.50  80.02  0.44 

Dhaka  Jamalpur  Dewanganj  0.47  80.86  0.47 

Dhaka  Kishoregonj  Karimganj  0.12  77.81  0.43 

Dhaka  Kishoregonj  Itna  0.41  77.46  0.45 

Dhaka  Kishoregonj  Bajitpur  0.45  77.95  0.45 

Dhaka  Kishoregonj  Austagram  0.46  78.93  0.45 

Dhaka  Mymensingh  Ishwarganj  0.00  77.22  0.44 

Dhaka  Mymensingh  Phulpur  0.33  77.11  0.45 

Dhaka  Mymensingh  Nandail  0.39  77.05  0.45 

Dhaka  Mymensingh  Trishal  0.41  77.76  0.44 

Dhaka  Mymensingh  Dhobaura  0.45  78.23  0.46 

Dhaka  Mymensingh  Haluaghat  0.49  78.40  0.44 

Dhaka  Mymensingh  Muktagachha  0.50  78.31  0.45 

Dhaka  Narsingdi  Narsingdi Sadar  0.49  78.01  0.44 

Dhaka  Netrakona  Atpara  0.04  77.04  0.44 

Dhaka  Netrakona  Kendua  0.29  78.87  0.43 

Dhaka  Netrakona  Kalmakanda  0.31  78.49  0.45 

Dhaka  Netrakona  Madan  0.38  78.13  0.45 

Dhaka  Tangail  Dhanbari  0.40  79.18  0.44 

Rajshahi  Naogaon  Porsha  0.32  87.43  0.44 

Rajshahi  Naogaon  Sapahar  0.47  86.71  0.43 

Rajshahi  Sirajganj  Belkuchi  0.33  79.22  0.50 

Rajshahi  Sirajganj  Ullah Para  0.36  80.24  0.43 

Rajshahi  Sirajganj  Kamarkhanda  0.37  78.11  0.44 

Rajshahi  Sirajganj  Chauhali  0.40  80.31  0.46 

Rajshahi  Sirajganj  Royganj  0.47  80.54  0.44 

Rangpur  Kurigram  Chilmari  0.07  80.23  0.44 

Rangpur  Kurigram  Nageshwari  0.47  79.08  0.43 

Rangpur  Lalmonirhat  Lalmonirhat Sadar  0.42  79.63  0.43 

Rangpur  Nilphamari  Jaldhaka  0.49  84.32  0.44 

Rangpur  Rangpur  Gangachara  0.44  82.48  0.43 

Rangpur  Rangpur  Mithapukur  0.49  82.19  0.43 

Sylhet  Habiganj  Baniachong  0.44  77.88  0.44 

Sylhet  Habiganj  Chunarughat  0.46  77.60  0.43 

Sylhet  Habiganj  Lakhai  0.50  79.49  0.47