Barriers to effective usage of insecticide-treated mosquito nets (ITNS) among women of reproductive age in Tanzania: a national cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Malaria remains a significant public health challenge in Tanzania, with women of reproductive age particularly vulnerable to its effects. Insecticide-treated mosquito nets (ITNs) are a proven vector control strategy; however, their usage remains suboptimal due to various barriers. This study examines the sociodemographic, behavioural, and environmental factors associated with ITN use among women of reproductive age in Tanzania. METHODS: A cross-sectional analysis was conducted using data from the 2022 Tanzania Demographic and Health Survey (TDHS). A total of 15,254 women aged 15-49 years were included in the study. Survey-weighted logistic regression was employed to determine adjusted odds ratios (AOR) and 95% confidence intervals (CI) for factors associated with ITN usage. All data cleaning and analyses were done using STATA 17 software. RESULTS: Several factors were significantly associated with ITN use. Women with primary education had 2.2 times higher odds of ITN use compared to those with no education (AOR: 2.2, 95% CI: 1.23-4.06). Women residing in the Southern zone had nearly three times higher odds of using ITNs (AOR: 2.8, 95% CI: 1.57-5.09), while those in the Lake zone had 1.6 times higher odds (AOR: 1.6, 95% CI: 1.12-2.33) compared to the Western zone. Women in polygamous marriages had lower odds of ITN use (AOR: 0.76, 95% CI: 0.61-0.95) compared to those in monogamous relationships. Perceived ITN effectiveness was a strong predictor, with those in the high-effectiveness category having 2.7 times higher odds of ITN use (AOR: 2.7, 95% CI: 0.94-5.46). CONCLUSION: ITN usage among women of reproductive age in Tanzania is influenced by education level, geographic location, marital status, and perceived ITN effectiveness. These findings highlight the need for targeted interventions, such as educational campaigns, equitable ITN distribution, and context-appropriate malaria prevention strategies, to improve ITN coverage and reduce the malaria burden.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».