Sustainability of zinc coverage for acute childhood diarrhea in Bangladesh and other low- and middle-income countries: one decade following the SUZY project
Notice bibliographique
Résumé
Oral zinc is a proven effective treatment for diarrheal illness, and long-term monitoring is key to evaluating the success of efforts to scale up zinc treatment. We examine zinc coverage for diarrheal illness in Bangladesh since the conclusion of the Scaling Up Zinc for Young Children (SUZY) project in 2008 and provide an overview of other countries' zinc scale-up programs to compare the long-term effectiveness of SUZY. We used data from the Bangladesh Demographic and Health Surveys from 2005-2022 to examine the proportion of children under five receiving zinc treatment for diarrheal illness and evaluate disparities in zinc coverage by urbanicity and wealth quintile. We used a qualitative framework synthesis to compare the SUZY project with national or large-scale zinc scale-up programs in other low- and middle-income countries (Ghana, India, Kenya, Nepal, Nigeria, Uganda). This method for synthesizing qualitative and quantitative data was used to break down components of the SUZY project and other national or large-scale zinc scale-up programs. In Bangladesh, zinc coverage has continued to increase since the conclusion of the SUZY project, disparities in coverage between urban and rural areas and across wealth quintiles have been resolved, and the prevalence of diarrheal illness has decreased from 10·8% in 2007 to 4·8% in 2022. The countries with the highest zinc coverage (Bangladesh, Kenya, Uganda) had national rather than regional scale-up campaigns. Our findings demonstrate the long-term success of the SUZY project and provide insights into best practices for impactful zinc scale-up programs including significant pre-launch implementation research addressing key knowledge gaps and partnering with research organizations. Long-term monitoring of scale-up campaigns is important to determine if these interventions can become socially embedded and self-sustaining, improving health outcomes in the long run.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 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 ».