Household cooking fuel type and childhood anaemia in sub-Saharan Africa: analysis of cross-sectional surveys of 123, 186 children from 29 countries
Notice bibliographique
Résumé
OBJECTIVE: This study sought to investigate the joint effect of household cooking fuel type and urbanicity (rural-urban residency) on anaemia among children under the age of five in sub-Saharan Africa. DESIGN: test of independence) and multilevel logistic regression were used to examine the effect of urbanicity-household cooking fuel type on childhood anaemia. Results were reported as adjusted odds ratios (aORs) with 95% CIs at p<0.05. OUTCOME MEASURES: Anaemia status of children. RESULTS: More than half (64%) of children had anaemia. The percentage of children who suffered from anaemia was high in those born to mothers in Western Africa (75%) and low among those born in Southern Africa (54%). Children from rural households that depend on unclean cooking fuels (aOR=1.120; 95% CI 1.033 to 1.214) and rural households that depend on clean cooking fuels (aOR=1.256; 95% CI 1.080 to 1.460) were more likely to be anaemic as compared with children from urban households using clean cooking fuel. Child's age, sex of child, birth order, perceived birth size, age of mother, body mass index of mother, education, marital status, employment status, antenatal care, wealth quintile, household size, access to electricity, type of toilet facility, source of drinking water and geographic region had significant associations with childhood anaemia status. CONCLUSIONS: Our study has established a joint effect of type of household cooking fuel and urbanicity on anaemia among children under the age of five in sub-Saharan Africa. It is therefore critical to promote the usage of clean cooking fuels among households and women in rural areas. These should be done taking into consideration the significant child, maternal, household, and contextual factors identified in this study.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».