Do socio-demographic factors modify the effect of weather on malaria in Kanungu District, Uganda?
Notice bibliographique
Résumé
BACKGROUND: There is concern in the international community regarding the influence of climate change on weather variables and seasonality that, in part, determine the rates of malaria. This study examined the role of sociodemographic variables in modifying the association between temperature and malaria in Kanungu District (Southwest Uganda). METHODS: Hospital admissions data from Bwindi Community Hospital were combined with meteorological satellite data from 2011 to 2014. Descriptive statistics were used to describe the distribution of malaria admissions by age, sex, and ethnicity (i.e. Bakiga and Indigenous Batwa). To examine how sociodemographic variables modified the association between temperature and malaria admissions, this study used negative binomial regression stratified by age, sex, and ethnicity, and negative binomial regression models that examined interactions between temperature and age, sex, and ethnicity. RESULTS: Malaria admission incidence was 1.99 times greater among Batwa than Bakiga in hot temperature quartiles compared to cooler temperature quartiles, and that 6-12 year old children had a higher magnitude of association of malaria admissions with temperature compared to the reference category of 0-5 years old (IRR = 2.07 (1.40, 3.07)). DISCUSSION: Results indicate that socio-demographic variables may modify the association between temperature and malaria. In some cases, such as age, the weather-malaria association in sub-populations with the highest incidence of malaria in standard models differed from those most sensitive to temperature as found in these stratified models. CONCLUSION: The effect modification approach used herein can be used to improve understanding of how changes in weather resulting from climate change might shift social gradients in health.
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 | 0,003 | 0,000 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».