Severe-malaria infection and its outcomes among pregnant women in Burkina Faso health-districts: Hierarchical Bayesian space-time models applied to routinely-collected data from 2013 to 2018
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fine-scale hotspots detection is crucial for optimum delivery of essential health-services for reducing severe malaria in pregnancy (MiP) and death cases in Burkina Faso. This study used hierarchical-Bayesian Spatio-temporal modeling to explore space-time patterns and pinpoint health-districts with an exceedance probability of severe MiP incidence and fatality rate. Study also assessed effect of health-district service delivery (readiness) on severe-MiP outcomes. Severe-MiP fatality rate declined considerably while its incidence rate remained unchanged between January-2013 and December-2018. Severe-MiP cases persisted throughout the year with peaks between August and November. These peaks increased 2.5-fold the fatality rate. Furthermore, severe-MiP fatality was higher in health-districts classified as low-readiness (IRR = 2.469, 95%CrI: 1.632-3.738). However, the fatality rate decreased significantly with proper coverage with three doses for intermittent-preventive-treatment with sulphadoxine-pyrimethamine. Severe-MiP burden was heterogeneous spatially and temporally. The study suggested that health-programs should increase health-districts readiness and optimize resource allocation in high burden areas and months.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découle