Spatial Distribution of Malaria Prevalence and Predictors Among Pregnant Women in Ondo State, Southwest, Nigeria
Notice bibliographique
Résumé
Abstract Globally, malaria increase the rate maternal mortality. Nigeria has high malaria endemicity and the world's highest malaria burden. Nigeria reports about 51 million cases and 31.3% mortality annually, while 97% of the population (213.4m) is at risk. Malaria killed no fewer than 200,000 Nigerians, of which there were 61 million cases that were responsible for 11% of maternal mortality in Nigeria in 2021. This study examined the prevalence and patterns of malaria endemicity among pregnant women in Ondo State, and determined the malaria prevalence from 2013–2017. Geospatial technology was employed to examine the distribution of malaria cases among pregnant women and one-way Analysis of Variance (ANOVA) was used to determine the malaria prevalence in eight Local Government Areas. Temporal analysis revealed a gradual increase in malaria occurrence over the years. In 2013, 2015, and 2017, Akure South recorded the highest prevalence, with approximately 8 cases (40.11%), 5 cases (23.64%), and 9 cases (27.94%) per 1000 pregnant women, respectively. Ondo East had the highest prevalence of 9 cases (27.06%) in 2014, while in 2016, Akoko Southwest had the highest prevalence of 3 cases (19.04%) per 1000 pregnant women. The cumulative malaria patterns for the five years showed that Akure South had the highest prevalence of 18.76–31.42 per 1000 pregnant women. In contrast, the lowest prevalence occurred in Odigbo and Okitipupa having 5–9 cases per 1000 pregnant women. From 2013–2017, findings showed variations in the disease's prevalence in Ondo state.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».