Burden of Common Childhood Diseases in Relation to Improved Water, Sanitation, and Hygiene (WASH) among Nigerian Children
Notice bibliographique
Résumé
Having access to improved water, sanitation, and hygiene (WASH) facilities constitute a key component of healthy living and quality of life. Prolonged exposure to insanitary living conditions can significantly enhance the burden of infectious diseases among children and affect nutritional status and growth. In this study we examined the prevalence of some common infectious diseases/disease symptoms of childhood among under-five children in Nigeria, and the association between the occurrence of these diseases with household’s access to WASH facilities. Types of diseases used as outcome variables included diarrheal, and acute respiratory infections (fever and cough). Access to WASH facilities were defined by WHO classification. The association between diarrhoea, fever and chronic cough with sanitation, and hygiene was analyzed by logistic regression techniques. Results showed that the prevalence of diarrhoea, fever and cough was respectively 10.5% (95% CI = 9.7⁻2.0), 13.4% (95% CI = 11.9⁻14.8), and 10.4% (95% CI = 9.2⁻11.5). In the regression analysis, children in the households that lacked all three types of facilities were found to have respectively 1.32 [AOR = 1.329, 95% CI = 1.046⁻1.947], 1.24 [AOR = 1.242, 95% CI = 1.050⁻1.468] and 1.43 [AOR = 1.432, 95% CI = 1.113⁻2.902] times higher odds of suffering from diarrhea, fever and cough. The study concludes that unimproved WASH conditions is an important contributor to ARIs and diarrheal morbidities among Nigerian children. In light of these findings, it is recommended that programs targeting to reduce childhood morbidity and mortality from common infectious diseases should leverage equitable provision of WASH interventions.
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 | 0,001 | 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 | 0,001 |
| 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 ».