The Accuracy of Caregiver’s ‘hot to touch’ assessment in paediatric healthcare among children aged 6-35 months with medically-attended diarrhea: Findings from the EFGH- <i>Shigella</i> surveillance in Kenya, Malawi, Bangladesh and Peru, 2022-2024
Notice bibliographique
Résumé
Abstract Introduction Confidence in caregivers’ assessment of fever in their children, compared to thermometer readings, could help guide prompt care seeking and appropriate treatment in settings where access to reliable diagnostic tools is limited. Here, we evaluated the accuracy and drivers of caregiver-reported ‘hot-to-touch’ fever compared to digital thermometry among children in the Enterics for Global Health (EFGH) Shigella surveillance study. Methods Children aged 6–35 months with medically attended diarrhea (MAD) enrolled in Kenya, Malawi, Bangladesh, and Peru between August 2022 and August 2024 were included. We trained caregivers to assess and record daily ‘hot-to-touch’ (subjective fever measurement) and digital (thermometer) axillary temperature (fever defined as ≥37.5°C) readings over for 14 days post-enrolment. We calculated site specific and overall accuracy of ‘hot-to-touch’ compared to thermometer-measured fever and used multivariable Poisson regression to identify factors associated with accurate detection. Results The accuracy of caregiver-reported ‘hot-to-touch’ assessment ranged from 62.1% to72.0% overall and was highest in Bangladesh (83.2%–96.1%) and lowest in Malawi (47.4%–53.4%) over the 14 day assessment period. Accuracy was higher in children with chest indrawing (aPR=1.29, 95% CI: 1.04–1.60) and low respiratory rate (aPR=1.20, 95% CI: 1.11–1.29) and in children from wealthier households (Quintile 5: aPR=1.21, 95% CI: 1.01-1.44). Accuracy was lower among caregivers from households with ≥3 children (aPR=0.88, 95% CI: 0.79–0.99) and for children with low heart rate (aPR=0.76, 95% CI: 0.61–0.94). Conclusion Suboptimal accuracy of hot-to-touch compared to digital thermometers in detecting fever in this study supports the need for digital thermometer use and context-specific strategies to enhance early detection of fever, particularly in communities living in resource-poor settings.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».