Multilevel and geo-statistical modeling of malaria risk in children of Burkina Faso
Notice bibliographique
Résumé
BACKGROUND: Previous research on determinants of malaria in Burkina Faso has largely focused on individual risk factors. Malaria risk, however, is also shaped by community, health system, and climatic/environmental characteristics. The aims of this study were: i) to identify such individual, household, community, and climatic/environmental risk factors for malaria in children under five years of age, and ii) to produce a parasitaemia risk map of Burkina Faso. METHODS: The 2010 Demographic and Health Survey (DHS) was the first in Burkina Faso that tested children for malaria parasitaemia. Multilevel and geo-statistical models were used to explore determinants of malaria using this nationally representative database. RESULTS: Parasitaemia was collected from 6,102 children, of which 66.0% (95% confidence interval (CI): 64.0-68.0%) were positive for Plasmodium spp. Older children (>23 months) were more likely to be parasitaemic than younger ones, while children from wealthier households and whose mother had higher education were at a lower risk. At the community level, living in a district with a rate of attendance to health facilities lower than 2 visits per year was significantly associated with greater odds of being infected. Malaria prevalence was also associated with higher normalized difference vegetation index, lower average monthly rainfall, and lower population densities. Predicted malaria parasitaemia was spatially variable with locations falling within an 11%-92% prevalence range. The number of parasitaemic children was nonetheless concentrated in areas of high population density, albeit malaria risk was notably higher in the sparsely populated rural areas. CONCLUSION: Malaria prevalence in Burkina Faso is considerably higher than in neighbouring countries. Our spatially-explicit population-based estimates of malaria risk and infected number of children could be used by local decision-makers to identify priority areas where control efforts should be enhanced.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».