Geographic, gender, and age distribution of measles deaths in India: estimates from a nationally representative study of over 12000 child deaths
Notice bibliographique
Résumé
Background: Measles is an important cause of childhood mortality in India, however, its true burden and sub-national distribution is unknown. India's national measles mortality reduction plan identified key information gaps to be the lack of information on age, gender, and geographic distribution of measles transmission and deaths. Our objective is to address these gaps in knowledge and use a nationally-representative study of mortality to estimate the number and distribution of measles deaths in children aged 1 to 59 months. Methods: We used verbal autopsy data from the Million Death Study (MDS), which surveyed 6.3 million people in 1.1 million nationally representative Indian households. Each verbal autopsy was reviewed by at least two trained physicians who determined the final cause of death using ICD-10 classification. The proportion of MDS deaths caused by measles was applied to the gender and age specific number of childhood deaths from each region within India. Results: There were a total of 758 measles deaths identified in the MDS in children aged 1 to 59 months, representing approximately 6% of deaths in this age group. We estimate there were approximately 92 000 (99% CI 63 000 – 137 000) measles deaths in India in 2005 representing a mortality rate of 3.3 (99% CI 2.3-5.0) per 1000 livebirths. The mortality rate from measles was nearly 70% greater in girls than in boys. Approximately 60% of measles deaths occur in 3 states, Uttar Pradesh (35 000 deaths, mortality rate 6.1 per 1000 live births), Bihar (11 000 deaths, mortality rate 3.7 per 1000 live births), and Madhya Pradesh (8 000 deaths, mortality rate 4.0 per 1000 live births)(Figure 1). Conclusion: We address key gaps in knowledge regarding the epidemiology of measles in India. Measles kills over 90 000 children annually and girls are at much higher risk than boys. The majority of measles deaths occur in a few states. The results of this study clearly delineate the states and populations that must be targeted for increased measles vaccination rates and a second dose of measles containing vaccine in order to reduce overall, and gender inequities in, measles mortality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».