Relationship between caregivers' income generation activities and their children's animal source food intake
Notice bibliographique
Résumé
Enhancing Child Nutrition through Animal Source Food Management (ENAM) project provided financial and technical support for caregivers’ Income Generation Activities (IGA) with the aim of increasing their access to Animal Source Foods (ASF) for improved child nutrition. Using baseline data from the ENAM project, this study assessed the relationship between the type of caregivers’ IGA -whether it is related to ASF [ASF-R] or unrelated [ASF-U] - and the quantity and diversity of ASF consumed by their children. Structured questionnaire was used to obtain data on household socioeconomic and demographic characteristics and children’s ASF consumption in the past week from 530 caregivers of children 2-to5 years old in 12 communities in three agro-ecological zones of Ghana. A weighed food record of children’s dietary intakes was also completed during two 12-hour home observations on a randomly selected sample of 117 children. Approximately 6% (n=32) of caregivers were not engaged in any IGA. Of the caregivers who were involved in an IGA (n=498), approximately one-third of them were engaged in an ASF-R IGA, such as selling smoked fish, selling eggs and the selling cooked food that included ASF. Caregivers (67%) were engaged in ASF-U IGA, such as crop farming, petty trading in non ASF items and artisanal work. The quantity and diversity of ASF consumed by the children did not differ (p=0.988 and p=0.593, respectively) by the type of caregiver IGA. However, after accounting for agro-ecological zone, being involved in an ASF-R IGA positively predicted children’s ASF diversity (p<0.001). The number of children in the household negatively predicted children’s ASF diversity (p=0.011) whereas high/medium household wealth status tended to be positively associated with ASF diversity (p=0.064).The study suggested that there is need to promote ASF-R IGA among caregivers to increase the ability to purchase more varied and nutritious food items for improving children’s growth.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».