Household fuel consumption, indoor air pollution, and respiratory health infections among children in Pakistan
Notice bibliographique
Résumé
Household energy use for cooking constitutes a significant portion of energy consumption in Pakistan. The use of unclean fuels releases harmful pollutants, increasing the risk of respiratory infections, which are a leading cause of mortality among children under five worldwide. This study assesses the impact of household fuel use on respiratory infections in children under five in Pakistan. This cross-sectional study utilized data from the Pakistan Demographic and Health Survey. The population included children less than five years of age. Logistic regression models were applied to assess the relationship between household energy type and respiratory infections, adjusting for confounding factors such as wealth status, maternal tobacco use, place of residence, and maternal education. The findings revealed that children in households using clean energy fuels had lower odds of respiratory infections (odds ratio [OR]: 0.70; 95% CI: 0.60–0.80). Having a separate kitchen was associated with reduced odds (OR: 0.80; 95% CI: 0.68–0.94), while children from the wealthiest households were significantly less likely to develop respiratory infections (OR: 0.54; 95% CI: 0.44–0.66). Conversely, maternal tobacco use increased the odds of respiratory infections in children (OR: 1.65; 95% CI: 1.34–2.04). Regional differences, urban vs. rural residence, and maternal education also emerged as important determinants. This study highlights the critical public health importance of promoting clean energy sources for cooking, improving kitchen design, discouraging maternal tobacco use, and addressing socioeconomic disparities to reduce respiratory infections among children in Pakistan. Policymakers should prioritize accessible clean energy solutions and targeted health interventions to improve child health outcomes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».