Assessing the impact of drinking water and sanitation on diarrhoeal disease in low- and middle-income settings: systematic review and meta-regression.
Notice bibliographique
Résumé
ObjectiveTo assess the impact of inadequate water and sanitation on diarrhoeal disease in low- and middle-income settings.MethodsThe search strategy used Cochrane Library, MEDLINE & PubMed, Global Health, Embase and BIOSIS supplemented by screening of reference lists from previously published systematic reviews, to identify studies reporting on interventions examining the effect of drinking water and sanitation improvements in low- and middle-income settings published between 1970 and May 2013. Studies including randomised controlled trials, quasi-randomised trials with control group, observational studies using matching techniques and observational studies with a control group where the intervention was well defined were eligible. Risk of bias was assessed using a modified Ottawa-Newcastle scale. Study results were combined using meta-analysis and meta-regression to derive overall and intervention-specific risk estimates.ResultsOf 6819 records identified for drinking water, 61 studies met the inclusion criteria, and of 12,515 records identified for sanitation, 11 studies were included. Overall, improvements in drinking water and sanitation were associated with decreased risks of diarrhoea. Specific improvements, such as the use of water filters, provision of high-quality piped water and sewer connections, were associated with greater reductions in diarrhoea compared with other interventions.ConclusionsThe results show that inadequate water and sanitation are associated with considerable risks of diarrhoeal disease and that there are notable differences in illness reduction according to the type of improved water and sanitation implemented.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».