Characterization of the Most Common Diseases in Children Under 5 Years (Pneumonia and Malnutrition): A Correlation Analysis.
Notice bibliographique
Résumé
INTRODUCTION: In Latin America the nutritional deficit is the most common problem affecting children under 5 years old, which is not an strange issue to Cartagena’ s population, this type of phenomenon is due to lack of nutritional education or food security that leads to appearance of infectious diseases such as pneumonia becoming a public health problem.OBJECTIVE: To correlate the clinical features of children with malnutrition, pneumonia and malnutrition, and pneumonia from Cartagena de Indias. 2010 to 2012.METHODOLOGY: Retrospective cross-sectional descriptive-correlational study. 220 medical records from three groups were analyzed, including 98 children with malnutrition, 100 children with pneumonia and 22 children with malnutrition and pneumonia simultaneously medically attended during 2012-2014. Logistic regression was performed applying Pearson and Durbin Watson calculations with the software SPSS 20.0 ®.RESULTS: Male children have a higher prevalence of malnutrition and pneumonia simultaneously and separately by 63%. The age with more pneumonia and malnutrition cases is in children under 2 years old from stratum I, likewise weight and respiratory problems correlate as common clinical features.CONCLUSION: It is corroborated the existence of possible signs and symptoms common to pneumonia and malnutrition, in addition the design of dynamic programs that keep into account the environmental conditions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,002 | 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 ».