Socioeconomic, demographic and environmental factors associated with under-five mortality among children in Kenya: analysis of the 2022 Kenya demographic and health survey
Notice bibliographique
Résumé
BACKGROUND: Under-five mortality remains a critical public health challenge globally, particularly in low- and middle-income countries such as Kenya. Despite recent declines in mortality rates, Kenya continues to face a high burden of child deaths due to preventable or treatable conditions such as pneumonia, malaria, and malnutrition. This study aimed to assess the predictors of under-five mortality in Kenya using the 2022 Kenya Demographic and Health Survey (KDHS) to inform evidence-based interventions and policies. METHODS: This cross-sectional study utilised the 2022 Kenya Demographic and Health Survey (KDHS) dataset, focusing on variables from women's and household questionnaires relevant to under-five mortality. Data were cleaned and analysed using STATA 17 software. Descriptive statistics, univariate, bivariate, and multivariate logistic regression analyses were performed at p < 0.05 with 95% confidence intervals, accounting for the complex survey design. RESULTS: A total of 19,530 children under five years were included in the analysis, with 694 reported deaths. Second-born twins had a significantly higher mortality risk than first-born twins (AOR = 0.19, 95% CI: 0.05-0.68), and mothers using modern contraceptives had 3.31 times higher odds of child mortality compared to those using folkloric methods (AOR = 3.31, 95% CI: 1.97-5.55). Mothers with 1-4 antenatal care (ANC) visits had 2.55 times higher odds of child mortality (AOR = 2.55, 95% CI: 1.04-6.23) compared to those with no visits. Mothers with two or three births in the last five years had increased mortality odds (AOR = 2.59, 95% CI: 1.26-5.32; AOR = 6.15, 95% CI: 1.57-24.03, respectively), highlighting the risks of short birth intervals. CONCLUSION: This study provides important insights into the factors influencing child mortality in Kenya. These findings suggest the need for targeted interventions, such as scaling up Kangaroo Mother Care for twins, integrating family planning counselling into Kenya's Linda Mama program to promote optimal birth spacing, and improving ANC quality to address high-risk pregnancies. Our research contributes to the broader understanding of child mortality determinants and offers a foundation for future studies aimed at mitigating this critical public health issue.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».