Identifying the Sociodemographic and Environmental Risk Factors of Childhood Pneumonia in South Asia
Notice bibliographique
Résumé
Background: Pneumonia is the leading infectious cause of mortality in children under five years old. Despite global progress in reducing pneumonia cases, South Asia continues to experience disproportionately high incidence and mortality rates. Purpose: This study aims to identify the sociodemographic and environmental risk factors contributing to childhood pneumonia morbidity and mortality across eight South Asian countries: Afghanistan, Bangladesh, Bhutan, India, Maldives, Nepal, Pakistan, and Sri Lanka. Methods: Six databases were searched for relevant studies: MEDLINE (Ovid), Global Health (Ovid), Embase, Web of Science, Emcare, and the Cochrane Library. Primary research studies focusing on sociodemographic and environmental risk factors for childhood pneumonia morbidity and mortality in children under five from eight South Asian countries were included. The review followed PRISMA guidelines, and data were extracted and analyzed using a DerSimonian and Laird random-effects meta-analysis model. Studies were assessed for quality using the Newcastle-Ottawa Scale, and pooled effect estimates were calculated to quantify the strength of associations between risk factors and pneumonia outcomes. Results: Higher age was associated with a lower risk of pneumonia morbidity (OR: 0.89). Male sex (OR: 1.15), preterm birth (OR: 2.53), and rural residence (OR: 2.03) significantly increased pneumonia risk. For mortality due to pneumonia, children under six months (OR: 3.78), children under one year (OR: 2.34), and low-weight-for-age children (OR: 6.07) had significantly higher risks, while females had a lower risk compared to males (OR: 0.58). Conclusion: The findings highlight the need for targeted public health interventions, particularly in rural areas and for vulnerable groups like preterm infants. Addressing these risk factors is essential for making progress toward reducing the childhood pneumonia burden in South Asia and achieving global health goals aimed at lowering under-five mortality.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».