Nationwide variation of snakebite incidence in Kenya: Community surveys as an integrated NTD approach
Notice bibliographique
Résumé
INTRODUCTION: Snakebite envenoming is a neglected tropical disease (NTD) of public health concern in Kenya. Its true burden remains elusive with an over-reliance on health facility-based data and geographically limited community surveys. This study aimed to generate data on snakebite burden in Kenyan communities and to capture the variation in incidence rate across the country by integrating snakebite incidence questions into nationwide Mass Drug Administration (MDA) campaigns for other NTDs. METHODS: A cross-sectional community survey was conducted, nested within MDA campaigns targeting trachoma, schistosomiasis and soil transmitted helminths. Data collection spanned from July 2022 to August 2023. Incidence rates per 100,000 person-years were calculated, and correlation between snakebite incidence and population density was assessed. Community survey data were compared to the reported snakebite cases in health facilities by the Kenya Health Information System (KHIS). RESULTS: A total of 13,117,754 individuals from 17 counties participated in the MDA surveys, representing 27.6% of Kenya's total population. Across these counties, 4,667 snakebite cases were reported over the previous year, with a slightly higher incidence rate among males (39.3 cases per 100,000 inhabitants) compared to females (32.2 cases per 100,000 inhabitants). County-level incidence rates varied, with Turkana County reporting the highest incidence rate (412.9 cases per 100,000 inhabitants) and Vihiga County recording the lowest (3.7 cases per 100,000 inhabitants). Discrepancies existed between health facility attendance reported by community members and numbers reported by KHIS. CONCLUSION: Integration of snakebite data collection with MDA campaigns allowed rapid and highly cost-effective data capture from a quarter of Kenya's population. The community data demonstrated considerable variation in incidence rates and discrepancies with hospital-based data. This informs resource allocation for treatment and prevention and emphasizes the need for robust integrated approaches to assess the burden of snakebite envenoming both in health facilities and communities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».