Historical Perspective and Risk of Multiple Neglected Tropical Diseases in Coastal Tanzania: Compositional and Contextual Determinants of Disease Risk
Notice bibliographique
Résumé
BACKGROUND: In the past decade, research on neglected tropical diseases (NTDs) has intensified in response to the need to enhance community participation in health delivery, establish monitoring and surveillance systems, and integrate existing disease-specific treatment programs to control overlapping NTD burdens and detrimental effects. In this paper, we evaluated the geographical distribution of NTDs in coastal Tanzania. METHODS AND FINDINGS: We also assessed the collective (compositional and contextual) factors that currently determine risks to multiple NTDs using a cross sectional survey of 1253 individuals in coastal Tanzania. The results show that the effect size in decreasing order of magnitude for non-binary predictors of NTD risks is as follows: NTD comorbidities > poverty > educational attainment > self-reported household quality of life > ethnicity. The multivariate analysis explained 95% of the variance in the relationship between NTD risks and the theoretically-relevant covariates. Compositional (biosocial and sociocultural) factors explained more variance at the neighbourhood level than at the regional level, whereas contextual factors, such as access to health services and household quality, in districts explained a large proportion of variance at the regional level but individually had modest statistical significance, demonstrating the complex interactions between compositional and contextual factors in generating NTD risks. CONCLUSIONS: NTD risks were inequitably distributed over geographic space, which has several important policy implications. First, it suggests that localities of high burden of NTDs are likely to diminish within statistical averages at higher (regional or national) levels. Second, it indicates that curative or preventive interventions will become more efficient provided they can be focused on the localities, particularly as populations in these localities are likely to be burdened by several NTDs simultaneously, further increasing the imperative of multi-disease interventions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».