Increase in acute malnutrition in children following the 2014–2015 Ebola outbreak in rural Sierra Leone
Notice bibliographique
Résumé
Setting: All health facility and community malnutrition screening programmes in Tonkolili, a rural Ebola-affected district in Sierra Leone. Objectives: Before the Ebola disease outbreak, Sierra Leone had set a goal to reduce the prevalence of severe acute malnutrition (SAM) in children aged <5 years to <0.2%. We compared the number of children screened, diagnosed and treated for malnutrition before, during and after the outbreak (2013–2016). Design: This was a retrospective cross-sectional study. Results: Health facility screening declined from 16 805 children per month pre-outbreak to 13 510 during the outbreak ( P = 0.02), and returned to pre-outbreak levels after the outbreak. Community-based screening remained stable during the outbreak, and increased by 30% post-outbreak ( P < 0.001). The proportion diagnosed with moderate acute malnutrition using mid-upper arm circumference increased from respectively 3.6% and 5.1% pre-outbreak in the community and health facilities to 8.2% and 7.9% post-outbreak ( P < 0.001, P = 0.003). The proportion of children diagnosed with SAM using a weight-for-age ratio at health facilities increased from 1.5% pre-outbreak to 3.5% post-outbreak ( P = 0.003). On average, for every four children diagnosed with SAM per month, one child completed SAM treatment. Conclusion: After a decline in screening during the Ebola outbreak, diagnoses of acute malnutrition increased post-outbreak. Nutrition programmes need to be strengthened to pre-empt such effects in the event of future Ebola outbreaks.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».