Village-Randomized Clinical Trial of Home Distribution of Zinc for Treatment of Childhood Diarrhea in Rural Western Kenya
Notice bibliographique
Résumé
BACKGROUND: Zinc treatment shortens diarrhea episodes and can prevent future episodes. In rural Africa, most children with diarrhea are not brought to health facilities. In a village-randomized trial in rural Kenya, we assessed if zinc treatment might have a community-level preventive effect on diarrhea incidence if available at home versus only at health facilities. METHODS: We randomized 16 Kenyan villages (1,903 eligible children) to receive a 10-day course of zinc and two oral rehydration solution (ORS) sachets every two months at home and 17 villages (2,241 eligible children) to receive ORS at home, but zinc at the health-facility only. Children's caretakers were educated in zinc/ORS use by village workers, both unblinded to intervention arm. We evaluated whether incidence of diarrhea and acute lower respiratory illness (ALRI) reported at biweekly home visits and presenting to clinic were lower in zinc villages, using poisson regression adjusting for baseline disease rates, distance to clinic, and children's age. RESULTS: There were no differences between village groups in diarrhea incidence either reported at the home or presenting to clinic. In zinc villages (1,440 children analyzed), 61.2% of diarrheal episodes were treated with zinc, compared to 5.4% in comparison villages (1,584 children analyzed, p<0.0001). There were no differences in ORS use between zinc (59.6%) and comparison villages (58.8%). Among children with fever or cough without diarrhea, zinc use was low (<0.5%). There was a lower incidence of reported ALRI in zinc villages (adjusted RR 0.68, 95% CI 0.46-0.99), but not presenting at clinic. CONCLUSIONS: In this study, home zinc use to treat diarrhea did not decrease disease rates in the community. However, with proper training, availability of zinc at home could lead to more episodes of pediatric diarrhea being treated with zinc in parts of rural Africa where healthcare utilization is low. TRIAL REGISTRATION: ClinicalTrials.gov NCT00530829.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».