Prevalence and Determinants of Chronic Malnutrition Among Under-5 Children in Ethiopia
Notice bibliographique
Résumé
Objectives: This paper studied the prevalence and determinants of chronic malnutrition in under-5 children from the 2011 Ethiopian Demographic and Health Survey dataset. Methods: The 2011 EDHS collected data on the nutritional status of children by measuring the height and weight of all children under age five in the sampled households, and calculated anthropometric indicators using the new WHO (2006) growth standards. Children whose height-for-age Z-score was below minus two standard deviations (−2 SD) from the median of the WHO reference population are considered stunted or chronically malnourished and if Z-scores are between −3 SD ≤ Z-score < −2 SD were identified as moderately stunted and if below −3 SD as severely stunted. Some variables were computed by combining information for original variables. The 2011 Ethiopian DHS dataset was obtained for further analysis from MEASURE DHS after permission. Complete anthropometric data for 9,611 children aged 0 to 59 months were analyzed. Results: The overall prevalence of stunting in children was 42.3%, with 20.4% severely stunted. Socio-demographic factors were significantly associated with both severe and moderate forms of stunting. Multivariate analysis showed that parents' education, household wealth index, age of household head, child's age, months of breast-feeding, place of delivery, media exposure, mother's BMI and residential differentials were the underlining determinants of stunting. Conclusions: Chronic malnutrition in children is a public health problem in Ethiopia specifically as children grow older to age three. To achieve the Millennium Development Goal target of 34% malnutrition prevalence by 2015, it is imperative to have specific interventions focusing on causes that directly influence stunting in children.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».