Interventions for High-Burden Infectious Diseases in Children and Adolescents: A Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Approximately 2.2 million deaths were reported among school-age children and young people in 2019, and infectious diseases remain the leading causes of morbidity and mortality, especially in low and middle-income countries. We aim to synthesize evidence on interventions for high-burden infectious diseases among children and adolescents aged 5 to 19 years. METHODS: We conducted a comprehensive literature search until December 31, 2020. Two review authors independently screened studies for relevance, extracted data, and assessed risk of bias. RESULTS: We included a total of 31 studies, including 81 596 participants. Sixteen studies focused on diarrhea; 6 on tuberculosis; 2 on human immunodeficiency virus; 2 on measles; 1 study each on acute respiratory infections, malaria, and urinary tract infections; and 2 studies targeted multiple diseases. We did not find any study on other high burden infectious diseases among this age group. We could not perform meta-analysis for most outcomes because of variances in interventions and outcomes. Findings suggests that for diarrhea, water treatment, water filtration, and zinc supplementation have some protective effect. For tuberculosis, peer counseling, contingency contract, and training of health care workers led to improvements in tuberculosis detection and treatment completion. Continuation of cotrimoxazole therapy reduced the risk of tuberculosis and hospitalizations among human immunodeficiency virus-infected children and reduced measles complications and pneumonia cases among measles-infected children. Zinc supplementation led to a faster recovery in urinary tract infections with a positive effect in reducing symptoms. CONCLUSIONS: There is scarcity of data on the effectiveness of interventions for high-burden infectious diseases among school-aged children and adolescents.
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 | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,057 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».