Exposure to pollutants for household cooking and lighting and pediatric post-discharge mortality following a severe infection in Uganda
Notice bibliographique
Résumé
BACKGROUND: Particulate matter from household air pollution (HAP) is linked to half of all lower respiratory infection deaths among children under 5 years of age. In rural Uganda, similar number of children die 6-months post discharge as during hospitalization for severe infections. However, it is unclear whether exposure to HAP contributes to poor health and death after discharge. We investigated the association between cooking and household lighting practices and mortality 6-months post-discharge among children under 5 years of age treated for severe infection in rural Uganda. METHODS: We conducted a secondary analysis of data from observational cohort studies, conducted between July 2017 to July 2021, among 6,955 children 0 to 5 years admitted to one of six Ugandan hospitals for a severe infectious illness. Clinical signs and symptoms, sociodemographic variables, and mortality up to 6-months post-discharge was collected for all participants, and follow-up rates were >95%. Exposure variables included type of cooking fuel used, location of cooking (e.g. indoors, outdoors), and primary source of household lighting. We assessed post-discharge mortality using simple and multivariate Poisson regression. RESULTS: The unadjusted risk ratio of 6-month post-discharge mortality by dual or single exposure to pollutant fuel sources for cooking indoors and household lighting, when compared to minimal exposure, was 1.57 (95%CI 1.17, 2.11) and 1.20 (95%CI 0.94, 1.54), respectively. Adjusting for age, sex, distance to hospital, maternal education, and maternal HIV status, the adjusted risk ratios for dual and single exposure became 1.30 (95%CI 0.96, 1.76] and 1.08 (95%CI 0.84, 1.38). There was no significant interaction between exposure and age, sex, maternal education, or anemia status. DISCUSSION: This analysis did not find a statistically significant association between HAP and 6-month post-discharge mortality. However, HAP cannot be ruled out as a contributor in this population where malnutrition, comorbidities and sociodemographic vulnerabilities are common.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».