MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253136597 · doi:10.21203/rs.3.rs-131542/v1

Associating the Scale-Up of Insecticide-Treated Nets and Use With the Decline in All-Cause Child Mortality in the Democratic Republic of Congo From 2005 to 2014

2020· preprint· en· W4253136597 sur OpenAlexaff
Johanna Nzigire Karemere, Ismael Ghislain Nana, Andrew Andrada, Olivier Muswalu Kakesa, Éric Mukomena Sompwe, Joris Losimba Likwela, Jacques O Emina, Aboubacar Sadou, Michael Humes, Yazoume Yé

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesCarolina Population Center, University of North Carolina at Chapel HillPresident's Malaria InitiativeUniversity of North Carolina at Chapel HillTulane UniversityUnited States Agency for International Development
Mots-clésPsychological interventionMalariaSocioeconomic statusChild mortalityHazard ratioDemographyMedicineEnvironmental healthProportional hazards modelConfidence intervalPopulationImmunologySurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Background To reduce the malaria burden and improve the socioeconomic status of its citizens, the Democratic Republic of Congo scaled up key malaria control interventions, especially insecticide-treated nets (ITNs), between 2005 and 2014. Since then, the effects of these interventions on malaria mortality and morbidity have not been assessed. This study aims to measure the impact of the National Malaria Control Programme’s efforts and to inform future control strategies.Methods The authors used data from the Demographic and Health Surveys 2007 and 2013-2014 to assess trends in all-cause childhood mortality (ACCM) against trends in coverage of malaria interventions at national and subnational levels. The authors used the plausibility argument to assess the impact of the malaria control interventions and used Kaplan-Meier survival probability and Cox proportional hazard models to examine the effect of ITN ownership on child survival. Contextual factor trends affecting child survival were also considered.Results Countrywide, household ownership of at least one ITN increased, from 9% in 2007 to 70% in 2013-2014. All provinces experienced similar increases, with some greater than the national level. ITN use increased between 2007 and 2013-2014 among children under five (6% to 55%). Severe anaemia (haemoglobin concentration <8g/dl) prevalence among children aged 6–59 months significantly decreased, from 11% (95% confidence interval [CI]: 9–13%) in 2007 to 6% (95% CI: 5–7%) in 2013-2014. During the same period, ACCM declined, from 148 (95% CI: 132-163) to 104 (95% CI: 97-112) deaths per 1,000 live births. The decline in ACCM was greater among children aged 6–23 months (relative reduction of 36%), compared to children aged 24–59 months (relative reduction of 12%). Cox regression indicated that household ownership of at least one ITN reduced the risk of mortality by 24% among children under five (risk ratio=0.76, 95% CI: 0.64–0.90). Contextual factor analysis revealed marginal improvements in socioeconomic indicators and other health interventions.Conclusions Given the patterns of the coverage of malaria control interventions, patterns in ACCM by province, and marginal improvements in contextual factors, the authors conclude that the malaria control interventions have plausibly contributed to the decrease in ACCM in the Democratic Republic of Congo from 2005 to 2014.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,417
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetGlobal Maternal and Child Health→Travaux en français237 207→