Analyses of case-based surveillance data on malaria in pregnancy in Plateau State, Nigeria 2013–2017
Notice bibliographique
Résumé
Background: Malaria in pregnancy accounts for 11% of maternal death in Nigeria. Plateau State has a low uptake of intermittent preventive treatment of malaria among women attending antenatal care. Objectives: This study examined the trend and made projections of reported cases of malaria in pregnancy in Plateau State. Methods: Data were extracted from the state disease surveillance system from January 2013 to December 2017. Reported cases of malaria in pregnancy within the 5 years under investigation were retrieved, merged and sorted by month of reporting and Local Government Area (LGA). Prevalence was calculated yearly for each LGA in Plateau State using Geographic Information System. Seasonal variation and projection were based on a multiplicative time series model. Results: In total, 62,997 cases of malaria in pregnancy were retrieved. Prevalence was 6.9% in 2013 and increased to 15.1% in 2017. Higher prevalence was observed in Wase, Kanam and Shendam LGAs. A cyclical trend with highest number of malaria in pregnancy cases was found within the third quarter of all the years. Within the 5 years, there was higher seasonal variation for quarters three (1.209834) and one (1.099711). The highest number of cases of malaria in pregnancy was likely to occur in the third quarter, while the least was found in the second quarter. The projected numbers of malaria in pregnancy cases are 20,121, 22,593 and 25,064 for year 2018, 2019 and 2020, respectively, and the highest number of cases occurs in the third quarter. Conclusion: Malaria in pregnancy follows an increasing trend in Plateau State, with greatest severity in the third quarter of the year. An effective intervention strategy against malaria among pregnant women is advocated.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».