Prevalence and determinants of developmental delay among children in low- and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Developmental delay is a public health problem in low- and middle-income countries. However, there is no summarized evidence in low- and middle-income countries on developmental delay, and primary studies on this issue show varied and inconclusive results. This systematic review and meta-analysis aimed to assess the pooled magnitude of confirmed developmental delay and its determinants among children in low- and middle-income countries. Methods We followed the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines to write this systematic review and meta-analysis. Primary studies were searched from PubMed, PsycINFO, Hinari, Science Direct, African Journal of Online, Web of Science, and Google Scholar databases. The Newcastle–Ottawa Scale, adapted for the cross-sectional studies, was used to assess the quality of the included studies. Heterogeneity and publication bias were assessed by the I 2 and Eggers tests, respectively. Due to the high heterogeneity, the random effects model was used for analysis. Odds ratios (ORs) with 95% confidence intervals (CIs) were used to show the association between developmental delay and its determinants. Results The pooled prevalence of confirmed developmental delay was 18.83, 95% CI (15.53–22.12). In the subgroup analysis, a high prevalence of developmental delay [26.69% (95% CI, 15.78–37.60)] was observed in studies performed in Africa. Maternal education [3.04; 95% CI (2.05, 4.52)] and low birth weight [3.61; 95% CI (1.72, 7.57)] were significant determinants of developmental delay. Conclusion The pooled prevalence of developmental delay in low- and middle-income countries was high as compared to that in high-income countries. Maternal education level and weight at birth were significantly associated with developmental delays. Therefore, strategies should be designed to decrease the rate of low birth weight and the number of illiterate mothers living in low- and middle-income countries. Systematic review registration PROSPERO, CRD42024513060.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,000 |
| 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 ».