MétaCan
Menu
← Retour à la cohorte
Enregistrement W120060497 · doi:10.1096/fasebj.21.5.a55

The magnitude and pattern of purchased ready‐to‐eat foods in the diets of rural Ghanaian children

2007· article· en· W120060497 sur OpenAlexaff
Esi K Colecraft, Grace S. Marquis, Anna Lartey, O. Sakyi-Dawson, Benjamin Ahunu, Lorna Michael Butler, Helen H. Jensen, Manju B. Reddy, Elisabeth Lonergan

Notice bibliographique

RevueThe FASEB Journal · 2007
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensMcGill University
Organismes subventionnairesUnited States Agency for International Development
Mots-clésMorningGeographyEnvironmental scienceEnvironmental healthAnimal scienceMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Purchase of ready‐to‐eat foods (RTEF) for children is common in urban Ghana but little is known about this practice in rural areas. We collected data on the purchase of RTEF in the past week by caregivers (N=530) of preschoolers living in 6 rural communities in 3 regions of Ghana. About 82% (N=433) of caregivers purchased RTEF in the past week. RTEF were purchased less frequently in northern (2.3 ± 0.1 times/wk) than in forest and coastal communities (3.0 ± 0.1 and 3.1 ± 0.2 times/wk, respectively; p<0.0001). RTEF was purchased most frequently for children in forest communities (56.9 ± 3.3%) and least frequently in northern communities (34.1 ± 3.4%; p<0.05). At least 60% of RTEF purchased for children were obtained in the morning. RTEF for children in forest communities was more likely to contain animal foods than in northern communities (34% vs 16% of the time, respectively; p<0.05). There were regional differences in the time of day when ASF‐based RTEF were given to children (p<0.05). The magnitude and patterns of purchased RTEF have implications for nutrition interventions in rural communities. This was supported through the GL‐CRSP, funded in part by USAID, Grant # PCE‐G‐00‐98‐00036‐00

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,277
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetChild Nutrition and Water Access→Travaux en français237 207→