MétaCan
Menu
Retour à la cohorte
Enregistrement W1596875813 · doi:10.1111/nyas.12447

Strengthening implementation and utilization of nutrition interventions through research: a framework and research agenda

2014· review· en· W1596875813 sur OpenAlexaff
Purnima Menon, Namukolo Covic, Paige Harrigan, Susan Horton, Nabeeha M. Kazi, Sascha Lamstein, Lynnette M. Neufeld, Erica Oakley, David Pelletier

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2014
Typereview
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensNutrition InternationalBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMalnutritionImplementation researchPolitical scienceMomentum (technical analysis)Systematic reviewPublic healthNutrition EducationEconomic growthPublic relationsMedicinePublic economicsPsychologyMEDLINEBusinessEconomicsNursing

Résumé

récupéré en direct d'OpenAlex

Undernutrition among women and children contributes to almost half the global burden of child mortality in developing countries. The impact of nutrition on economic development has highlighted the need for evidence-based solutions and yielded substantial global momentum. However, it is now recognized that the impact of evidence-based interventions is limited by the lack of evidence on the best operational strategies for scaling up nutrition interventions. With the goal of encouraging greater engagement in implementation research in nutrition and generating evidence on implementation and utilization of nutrition interventions, this paper brings together a framework and a broad analysis of literature to frame and highlight the crucial importance of research on the delivery and utilization of nutrition interventions. The paper draws on the deliberations of a high-level working group, an e-consultation, a conference, and the published literature. It proposes a framework and areas of research that have been quite neglected, and yet are critical to better understanding through careful research to enable better translation of global and national political momentum for nutrition into public health impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

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

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 Opus0,670
Tête enseignante GPT0,600
Écart entre enseignants0,070 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations84
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