MétaCan
Menu
Retour à la cohorte
Enregistrement W3011172662 · doi:10.6000/1929-4247.2020.09.01.3

Estimation of the Family and Community Unobserved Heterogeneity Effects on the Risk of Under-Five Mortality in Nigeria using Frailty Model

2020· article· en· W3011172662 sur OpenAlexvenueno aff
Anthony Ike Wegbom, Isaac Didi Essi, Victor A. Kiri

Notice bibliographique

RevueInternational Journal of Child Health and Nutrition · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMarital statusPsychological interventionEstimationResidenceEnvironmental healthHazardDemographyPopulationEconomics

Résumé

récupéré en direct d'OpenAlex

The Under-five mortality (U5M) rate is an important determinant of societal and national advancement- a key\n\nmarker of wellbeing, value, and access. In spite of efforts to identify the predictors of U5M to reduce its high level in\n\nNigeria, the problem remains a major cause for concern. This study estimated the potential role of\n\nunmeasured/unobserved factors at both family and community levels, using shared frailty models on the 2013 Nigeria\n\nDemographic and Health Survey (2013 NDHS) data. The Log-rank test was used to identify variables associated with\n\nU5M- hazard ratio estimates with P<0.05 were considered as statistically significant. Our findings suggested region,\n\nmarital status, place of residence and place of delivery were significant determinants of U5M in both frailty models. We\n\nalso found evidence of frailty effect on the risk, particularly at the community level- heterogeneity due to\n\nunmeasured/unobserved factors, which are generally ignored when we assess the risk using only observed variables.\n\nWe, therefore, suggest that to achieve the sustainable development goals relating to child health in Nigeria, more\n\nsignificant efforts should be directed at identifying more determinants, such as to reduce the influence of unobserved\n\nfactors and facilitate an extension of interventions to these factors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,445
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Child Health and NutritionMême sujetGlobal Health Care IssuesTravaux en français237 207