Childhood morbidity and its determinants: evidence from 31 countries in sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: Although under-five mortality reduced globally from 93 per 1000 live births in 1990 to 39 in 2018, sub-Saharan Africa witnessed an increase from 31% in 1990 to 54% in 2018. Morbidity has been reported to contribute largely to these deaths. This study examined the factors that are associated with childhood morbidity in sub-Saharan Africa. METHODS: Demographic and Health Surveys of 31 countries in sub-Saharan Africa were used in this study. The study involved 189 069 children who had or did not have fever, cough or diarrhoea in the 2 weeks preceding the surveys. Descriptive statistics and binary logistic regression were applied in the analysis. RESULTS: About 22% of the children suffered from fever, 23% suffered from cough and 16% suffered from diarrhoea. While the odds of experiencing fever increased by 37% and 18%, respectively, for children from poorest and poorer households, children of women aged 15-24 and 25-34 years are 47% and 23%, respectively, more likely to experience diarrhoea. The probability of suffering from morbidity increased for children who are 12-23 months, of higher order birth, small in size at birth and from households with non-improved toilet facility. CONCLUSIONS: This study has shown that childhood morbidity remains a major health challenge in sub-Saharan Africa with socioeconomic, maternal, child's and environmental factors playing significant roles. Efforts at addressing this problem should consider 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».