Prevalence of malaria among COVID-19 suspected cases in Federal Capital Territory, Nigeria
Notice bibliographique
Résumé
Abstract Malaria and COVID-19 share some symptoms. Therefore, diagnosing these diseases clinically might be misleading, especially during an epidemic response. We determined the prevalence of malaria among COVID-19 suspected cases in Federal Capital Territory, Nigeria. This study was conducted in five selected health facilities in Abuja, with participation of 254 febrile patients attending COVID-19 screening centres in those facilities. Each subject was interviewed using a structured interviewer-administered questionnaire. Samples were collected for malaria and COVID-19 testing. Descriptive statistical analysis was done and included means, standard deviations, and proportions. Results were presented in form of tables and figures. There were 254 participants with median age of 34 years (range: 18–80). The age group, 30–49 years had the highest representation among the participants (55.1%). Majority were females (53.1%), with tertiary education (66.9%), were businessmen/women (37.4%) and civil servants (24.8%). More than half of participants were married (54%). Only 2% tested positive for malaria, and 1.2% for COVID-19. No participant presented with co-infection. The prevalence of COVID-19 among patients presenting themselves for COVID-19 testing was low while the prevalence of malaria was also low. There is still a need to test all suspected cases of COVID-19 that present in a testing centre for malaria.
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 | 0,000 |
| 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 ».