MétaCan
Menu
Retour à la cohorte
Enregistrement W1516918368 · doi:10.1111/nyas.12331

Economic perspectives on integrating early child stimulation with nutritional interventions

2014· review· en· W1516918368 sur OpenAlexfundno aff
Harold Alderman, Jere R. Behrman, Sally Grantham‐McGregor, Florencia López Bóo, Sergio Urzúa

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2014
Typereview
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesGrand Challenges Canada
Mots-clésSocioemotional selectivity theoryPsychological interventionContext (archaeology)Stylized factCognitionChild developmentPsychologyCognitive developmentPublic economicsDevelopmental psychologyEconomicsPsychiatryGeographyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

There is a strongly held view that a narrow window exists for effective nutritional interventions and a widely known stylized depiction of age-dependent economic rates of returns to investments in cognitive and socioemotional development. Both indicate critical periods in early life. Moreover, the fact that both the physical and cognitive development of a child in these early years are highly dependent on childcare practices and on the characteristics of the caregivers motivates an interest in finding effective means to enhance stimulation in the context of nutritional programs, or vice versa. Nevertheless, there is relatively little evidence to date on how to align integrated interventions to these age-specific patterns and how to undertake benefit-cost analyses for integrated interventions. Thus, many core questions need further consideration in order to design integrated nutritional and stimulation programs. This paper looks at some of these questions and provides some guidelines as to how the economic returns from joint nutrition and stimulation programs might be estimated.

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)0,010
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,127
Tête enseignante GPT0,406
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations40
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetChild Nutrition and Water AccessTravaux en français237 207