Rapid assessment of femalegenital schistosomiasis risk in three schistosomiasis endemic communities of Osun state, Nigeria
Notice bibliographique
Résumé
Female Genital Schistosomiasis (FGS) has continued to garner attention of public health stakeholders in Nigeria, with interest to understand the burden and associated risk factors, especially in known schistosomiasis hotspots. This study therefore assessed likelihood rates of FGS, including associated awareness, symptoms and risk factors across communities that had reported high burden of urogenital schistosomiasis in Osun State. We conducted a cross-sectional study among 302 females aged 12years and above across 3 selected communities (Ore, Eko-Ende and Illie) that shares proximity with Erinle Dam in Osun State. FGS likelihood rates were assessed using already pretested simplified FGS checklists, and structured questionnaires were used to obtain demographic and socioeconomic factors. Data were analyzed using descriptive and inferential statistics, with significant levels established at p < 0.05. Of the 302 participants, only 5.6% were aware of schistosomiasis, and none knew FGS. Washing was the most predominant exposure activity to freshwater bodies ( n = 244, 81%, p = 0.99), followed by fetching ( n = 159, 53%, p = 0.004), and bathing activity ( n = 154, 51%, p = 0.15). Most of the participants experienced pelvic pain (27%), urinary symptoms (18%) and irregular menses (15%) than any other genital symptoms ( p < 0.05). Based on likelihood score of 7, about 98% of participants in Ore (FGS score; 17), 98% in Eko-Ende (FGS score: 18), and 92% in Illie (FGS score: 15) are likely to have FGS. Participants aged 12-25years had higher (47%, p < 0.05) likelihood compared to older age groups. Similarly, study participants who are traders have a 9% higher risk of FGS. The use of improved latrines was protective for FGS (16% reduced risk, p < 0.05). The study highlights the high risk of FGS among young females due to significant exposure to infested freshwater, pointing to gaps in current preventive measures. Concerted efforts are needed, prioritizing effective diagnostics, treatment, and behaviour change interventions to reduce FGS risk.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 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 ».