Prevalence and correlates of paediatric guideline non-adherence for initial empirical care in six low and middle-income settings: a hospital-based cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: This study evaluated the prevalence and correlates of guideline non-adherence for common childhood illnesses in low-resource settings. DESIGN AND SETTING: We used secondary cross-sectional data from eight healthcare facilities in six Asian and African countries. PARTICIPANTS: A total of 2796 children aged 2-23 months hospitalised between November 2016 and January 2019 with pneumonia, diarrhoea or severe malnutrition (SM) and without HIV infection were included in this study. PRIMARY OUTCOME MEASURES: We identified children treated with full, partial or non-adherent initial inpatient care according to site-specific standard-of-care guidelines for pneumonia, diarrhoea and SM within the first 24 hours of admission. Correlates of guideline non-adherence were identified using generalised estimating equations. RESULTS: Fully adherent care was delivered to 32% of children admitted with diarrhoea, 34% of children with pneumonia and 28% of children with SM when a strict definition of adherence was applied. Non-adherence to recommendations was most common for oxygen and antibiotics for pneumonia; fluid, zinc and antibiotics for diarrhoea; and vitamin A and zinc for SM. Non-adherence varied by site. Pneumonia guideline non-adherence was more likely among patients with severe disease (OR 1.82; 95% CI 1.38, 2.34) compared with non-severe disease. Diarrhoea guideline non-adherence was more likely among lower asset quintile groups (OR 1.16; 95% CI 1.01, 1.35), older children (OR 1.10; 95% CI 1.06, 1.13) and children presenting with wasting (OR 6.44; 95% CI 4.33, 9.57) compared with those with higher assets, younger age and not wasted. CONCLUSIONS: Non-adherence to paediatric guidelines was common and associated with older age, disease severity, and comorbidities, and lower household economic status. These findings highlight opportunities to improve guidelines by adding clarity to specific recommendations.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».