A Bayesian spatio-temporal framework to assess the effect of seasonal malaria chemoprevention on children under 5 years in Cameroon from 2016 to 2021 using routine data
Notice bibliographique
Résumé
BACKGROUND: Malaria affects millions of Cameroonian children under 5 years of age living in the North and Far North regions. These regions bear the greatest burden, particularly for children under 5 years of age. To reduce the burden of disease in these regions, Cameroon adopted the Seasonal Malaria Chemoprevention (SMC) in 2016 and has implemented it each year since its adoption. However, no previous studies have systematically assessed the effects of this intervention in Cameroon. It is important to understand its effect and whether its implementation could be improved. This study aimed to assess the effect of SMC in Cameroon during the period 2016-2021 on malaria morbidity in children under 5 years of age using routine data. METHODS: Data on malaria cases were extracted from the Cameroon Health Monitoring Information System (HMIS) from January 1, 2011, to December 31, 2021. Health facilities report these data monthly on a single platform, the District Health Information System version 2 (DHIS2). Thus, a controlled interrupted time-series model in a Bayesian framework was used to evaluate the effects of the SMC on malaria morbidity. RESULTS: SMC implementation was associated with a reduction in the incidence of uncomplicated malaria cases during the high-transmission periods from 2016 to 2021. Regarding the incidence of severe malaria during the high-transmission period, a reduction was found over the period 2016-2019. The highest reduction was registered during the second year of implementation in 2017:15% (95% Credible Interval, 10-19) of uncomplicated malaria cases and 51% (47-54) of confirmed severe malaria cases. CONCLUSION: The addition of SMC to the malaria intervention package in Cameroon decreased the incidence of uncomplicated and severe malaria among children under 5 years of age. Based on these findings, this study supports the wide implementation of SMC to reduce the malaria burden in Cameroon as well as the use of routine malaria data to monitor the efficiency of the strategy in a timely manner.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».