Facteurs communautaires influençant la déperdition Penta1-Penta3 des enfants de 0-11 mois dans le district sanitaire de la Commune IV, Bamako
Bibliographic record
Abstract
Introduction : La vaccination est une mesure efficace pour prévenir les maladies infectieuses chez les enfants. L'objectif de cette recherche était d'étudier les facteurs communautaires influençant la déperdition entre le Pentavalent1 et le Pentavalent2 chez les enfants de 0-11 mois dans le district sanitaire de la commune IV (Bamako). Matériels et Méthodes : Une étude transversale, descriptive et analytique a été menée. Selon la formule de Schwartz 360 tuteurs d'enfants de 0 à 11 mois ont été sélectionnés par sondage en grappes à deux degrés et 20 agents de santé impliqués dans les activités de vaccination sélectionnés par un choix raisonné ont été interviewé à l'aide d'un questionnaire. Une analyse de régression logistique multi-variée a été faite pour les variables ayant obtenu une valeur p ˂ 0,05 à l'analyse bi-variée en utilisant le logiciel SPSS 21. Résultats : Le taux de déperdition Pentavalent1- Pentavalent3 était de 24,44%. La régression logistique multi-variée a montré que la méconnaissance des avantages de la vaccination (p=0,007), la méconnaissance des maladies cibles du Penta (p=0,002), le long temps d'attente (p=0,023) et l'indisponibilité des tuteurs (p=0,046) étaient significativement associés au taux de déperdition Penta1-Penta3 des enfants. Conclusion : Le taux de déperdition était en deçà des normes requises (taux ˂ 10%). Son amélioration nécessite la mise à l'échelle de la stratégie " Atteindre Chaque District ", " Atteindre Chaque Enfant ", l'information et la sensibilisation de la communauté sur les bienfaits et les avantages de la vaccination.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".