Prevalence and associated determinants of malaria parasites among Kenyan children
Notice bibliographique
Résumé
Approximately 80% of deaths attributed to malaria worldwide occurred mainly in Africa in 2015. Kenya is one of the major malaria endemic countries, making malaria the leading public health concern in this country. This study intended to document the prevalence of malaria and determine associated factors including socioeconomic status among children aged 6 months to 14 years in Kenya. This study analyzed the secondary data extracted from the 2015 Kenya Malaria Indicator Survey (KMIS), a cross-sectional country representative survey. Associations of demographic, socioeconomic, community-based, and behavioral factors with the prevalence of malaria in children were analyzed using multivariable logistic regression analysis. Data from 7040 children aged 6 months to 14 years were analyzed. The prevalence of malaria showed an upward trend in terms of age, with the highest prevalence among children aged 11–14 years. Prevalence was also higher among rural children (10.16%) compared to urban children (2.93%), as well as poor children (11.05%) compared to rich children (3.23%). The likelihood of having malaria was higher among children aged 10–14 years (AOR = 4.47, 95% CI = 3.33, 6.02; P < 0.001) compared with children aged under 5 years. The presence of anemia (AOR = 3.52, 95% CI = 2.78, 4.45; P < 0.001), rural residence (AOR = 1.71, 95% CI = 1.31, 2.22; P < 0.001), lack of a hanging mosquito net (AOR = 2.38, 95% CI = 1.78, 3.19; P < 0.001), primary education level of the household head (AOR = 1.15, 95% CI = 1.08, 2.25; P < 0.05), and other factors, such as the household having electricity and access to media such as television or radio, were also associated with the likelihood of infection. This study demonstrated the need to focus on awareness programs to prevent malaria and to use existing knowledge in practice to control the malaria burden in Kenya. Furthermore, this study suggests that improving the information available through the mass media and introducing behavior change communication and intervention program specifically for those of poor socioeconomic status will help to reduce malaria cases.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».