Improving Water, Sanitation and Hygiene Practices, and Housing Quality to Prevent Diarrhea among Under-Five Children in Nigeria
Notice bibliographique
Résumé
Sub-Saharan Africa as a region accounts for the bulk of the global under-five mortality rate, to which diarrhea is major contributor. Millions of children die from diarrheal diseases each year and those who survive often do so facing suboptimal growth. Preventing the common pathways of transmission for diarrhea-causing pathogens, including improved water, sanitation, and hygiene (WASH) are regarded as the most cost-effective measures for tackling this life-threatening disease. This study aimed to quantitatively assess the quality of living arrangement and access to WASH, and their impact on diarrheal outcomes among under-five children in Nigeria. Methods: Data were collected from the 2013 Nigeria Demographic and Health survey (NDHS). Study participants included 28,596 mother-child pairs. Household construction material for wall, floor, and ceiling, access to electricity, and improved water and toilet, were included as the main explanatory variables. Data were analyzed using descriptive and multivariable regression methods. Results: The prevalence of diarrhea was 11.3% (95% CI = 10.2–12.6), with the rate being markedly higher in rural (67.3%) as compared to urban areas (32.7%). In the regression analysis, lacking access to improved toilet and water facilities were associated with 14% and 16% higher odds, respectively, of suffering from diarrhea as compared to those who had improved access. Conclusion: There is evidence of a weak, but statistically significant, relationship between the quality of living environment, including water and sanitation facilities, and diarrhea among under-five children in Nigeria. The study concludes that investing in living conditions and WASH may have potential benefits for child mortality prevention programs in the country.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».