Temporal Patterns and Risk Factors of Diarrheal Comorbidity among Children aged < 5 years in Rural Western Kenya: Evidence from Three Consecutive Enteric Studies─2008-2024
Notice bibliographique
Résumé
Abstract Sub-Saharan Africa bears the highest burden of diarrhea, often complicated by comorbidities that delay diagnosis, hinder treatment, and worsen outcomes. As the epidemiology of diarrheal disease evolves, understanding comorbidity patterns is critical for effective public health responses. We examined the temporal patterns and risk factors of diarrheal comorbidity in Kenyan children aged < 5. We conducted secondary pooled analysis with a retrospective cohort design leveraging data from the Global Enteric Multicenter Study (GEMS, 2008-2012), the Vaccine Impact on Diarrhea in Africa (VIDA, 2015-2018), the Enteric for Global Health (EFGH) Shigella surveillance study (2022-2024). The outcome was comorbidity count, defined by Integrated Management of Childhood Illnesses case definitions and clinician diagnoses of ten conditions: malaria, bacterial infection, pneumonia, severe acute malnutrition (SAM), meningitis, acute febrile illness (AFI), respiratory Illness (non-pneumonia), anemia, stunting and wasting. Temporal trends were assessed using descriptive statistics and the Cochran-Armitage trend test. Risk factors were identified using generalized estimating equations with a Poisson distribution, adjusting for clustering. We analyzed data from 4,148 children with moderate-to-severe diarrhea; 90.3% had ≥ one comorbidity, with a declining trend across studies: GEMS (92.9%), VIDA (89.3%), and EFGH (86.6%). Pneumonia (49.5%), malaria (48.3%), and stunting (24.7%) were most common comorbidities. The proportion of children with only one comorbidity increased (28.9% [2008] to 49.7% [2024]), while multiple comorbidities declined. Traditional comorbidities (malaria, pneumonia, wasting, SAM) significantly decreased, while AFI, anemia, and non-pneumonia respiratory illness increased. Multivariable analysis identified older age, lower caregiver education, dehydration, vomiting, and high respiratory rate as drivers of higher comorbidity counts, while female sex was associated with fewer comorbidities. Despite the high prevalence, we observed a 25–29% decline in comorbidity burden and a fundamental shift in disease profiles. Our findings support the need for a shift from single-disease control to integrated disease management.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».