Spatial Analysis Risk Factors of Pneumonia Incidence in Toddlers Gowa Regency
Notice bibliographique
Résumé
Background: Pneumonia is one of the highest causes of death in children under five years old in the world. Globally, the number of under-five deaths due to pneumonia is estimated to reach up to 700,000 cases per year. Objectives: This study aimed to spatially analyze the risk factors for pneumonia incidence among under-fives in Gowa Regency in 2021-2023. Methods: This study used an analytic observational with an ecological study design. The population in this study was all cases of pneumonia among under-fives in Gowa Regency in 2021-2023, totaling 1,634 cases. The sample size in this study was 18 subdistricts with the sample selection technique using the exhaustive sampling method. Results: There was a relationship between population density (r=0.470 p=0.000), poor population (r=0.422 p=0.001) and incomplete immunization status (r=0.457 p=0.000) with the incidence of pneumonia among under-fives in Gowa Regency in 2021-2023. Meanwhile, there was no association between undernutrition status (r=0.250 p=0.068) with the incidence of pneumonia among under-fives in Gowa Regency in 2021-2023. Conclusion: Although undernutrition status did not show a statistically significant association in this study, it remains an important risk factor in the susceptibility of under-fives to pneumonia and other infections. Children with undernutrition status have a weak immune system, making them susceptible to disease complications. Therefore, nutritional interventions such as the provision of supplementary food, increasing exclusive breastfeeding coverage, and nutrition education to parents still need to be developed in a sustainable 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 | 0,015 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».