Prevalence and predictors of adverse events following exposure to long-lasting insecticidal nets used for malaria prevention: a community based cross-sectional study in the Democratic Republic of the Congo
Notice bibliographique
Résumé
BACKGROUND: Malaria morbidity and mortality increase in the Democratic Republic of the Congo (DRC) may be the consequence of the low utilization rate of long-lasting insecticidal nets (LLINs) resulting from poor compliance due to adverse events (AEs). This study aimed at determining the prevalence and predictors of AEs following the mass distribution of LLINs in the Kisantu Health Zone (KHZ), a high malaria-endemic region in the DRC. METHODS: A community-based cross-sectional study embedded was conducted within a randomized controlled trial (RCT) after the mass distribution of LLINs in 30 villages located in DRC KHZ. A three-stage sampling method was used without replacement to select 1790 children. Data was collected on adverse events (AEs) using a reporting form and information on demographics, nutritional status, and house characteristics. This was done using a structured questionnaire administered to household heads. Logistic regression models were used to identify predictors of AEs following the mass distribution of LLINs. RESULT: In a total of 1790 children enrolled, 17.8% (95% CI 16.1-19.7) experienced AEs. The most common AEs were respiratory-related (61%). Around 60% of AEs occurred within 24 h of use, and 51% were resolved without treatment. Sleeping under deltamethrin LLINs (Adjusted OR, 95% CI 5.5 [3.8-8.0]) and zinc roofing (Adjusted OR, 95% CI 1.98 [1.1-3.57]) were associated with the risk of reporting an AE following the mass distribution of LLINs. CONCLUSION: Approximately 1 out of 5 children had an AE within 24 h following LLIN use. These adverse events were often respiratory-related. LLINs and roofing types were associated with a higher risk of reporting AEs. However, further research using a robust study design is needed to confirm these findings. Future studies should design and implement interventions aiming to reduce AEs and improve compliance with LLINs.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».