Geostatistical modelling of the association between malaria and child growth in Africa
Notice bibliographique
Résumé
BACKGROUND: Undernutrition among children under 5 years of age continues to be a public health challenge in many low- and middle-income countries and can lead to growth stunting. Infectious diseases may also affect child growth, however their actual impact on the latter can be difficult to quantify. In this paper, we analyse data from 20 Demographic and Health Surveys (DHS) conducted in 13 African countries to investigate the relationship between malaria and stunting. Our objective is to make inference on the association between malaria incidence during the first year of life and height-for-age Z-scores (HAZs). METHODS: We develop a geostatistical model for HAZs as a function of both measured and unmeasured child-specific and spatial risk factors. We visualize stunting risk in each of the 20 analysed surveys by mapping the predictive probability that HAZ is below - 2. Finally, we carry out a meta-analysis by modelling the estimated effects of malaria incidence on HAZ from each DHS as a linear regression on national development indicators from the World Bank. RESULTS: A non-spatial univariate linear regression of HAZ on malaria incidence showed a negative association in 18 out of 20 surveys. However, after adjusting for spatial risk factors and controlling for confounding effects, we found a weaker association between HAZ and malaria, with a mix of positive and negative estimates, of which 3 out of 20 are significantly different from zero at the conventional 5% level. The meta-analysis showed that this variation in the estimated effect of malaria incidence on HAZ is significantly associated with the amount of arable land. CONCLUSION: Confounding effects on the association between malaria and stunting vary both by country and over time. Geostatistical analysis provides a useful framework that allows to account for unmeasured spatial confounders. Establishing whether the association between malaria and stunting is causal would require longitudinal follow-up data on individual children.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».