Prevalence and Determinants of Diarrhoea Disease amongst Under-Five Children Attending Immunization Clinic in a Secondary Health Facility in Benin City
Notice bibliographique
Résumé
Introduction: Diarrhoea is a major public health challenge in low and middle-income countries. It is the second leading cause of mortality in children under the age of five. It is also recognized that exposure to diarrhoea pathogens in developing countries is associated with such factors as quality and quantity of water, availability of toilet facilities, housing conditions, level of education, household economic status, place of residence, feeding practices, and the general sanitary conditions (personal or domestic hygiene) around the house. These factors are still prevalent in many Nigerian communities. This study therefore sought to determine the prevalence of diarrhoea and risk factors among under-five children seen at immunisation clinic of a secondary hospital in Nigeria. Methodology: This was a cross-sectional study of 210 mothers attending well-baby clinic of a multi-specialist secondary health facility in Benin-City, South-South, Nigeria. Information relating to socio-demographics and occurrence of diarrhoea in their wards was obtained using ore-tested questionnaire. Data obtained were tabulated and analyzed using IBM SPSS version 21. Chi-square was used to determine the relationship between qualitative variables the statistical significance was set at P<0.05. Result: Prevalence of diarrhoea was 38.6% with a mean number of episodes per year of 2.14. Prevalence of dysentery was 4.3%. There was significant association between age, nutritional status, source of water and the occurrence of diarrhoea (P values of 0.04, 0.038 & 0.02 respectively). Conclusion: This study shows a high prevalence of diarrhoea amongst under-5 children in our environment.
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) | 0,000 | 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 ».