MétaCan
Menu
Retour à la cohorte
Enregistrement W1994849462 · doi:10.1080/03670244.2014.974593

A Low Pulse Food Intake May Contribute to the Poor Nutritional Status and Low Dietary Intakes of Adolescent Girls in Rural Southern Ethiopia

2015· article· en· W1994849462 sur OpenAlexafffund
Alemzewed Roba, Kebebush Gabriel-Micheal, Gordon A. Zello, JoAnn Jaffe, Susan J. Whiting, Carol J. Henry

Notice bibliographique

RevueEcology of Food and Nutrition · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of ReginaUniversity of Saskatchewan
Organismes subventionnairesHawassa UniversityUniversity of Saskatchewan
Mots-clésUnderweightEnvironmental healthMalnutritionMedicineNutrientFood securityFood intakePregnancyObesityGeographyAgricultureOverweightBiology

Résumé

récupéré en direct d'OpenAlex

Poor nutrition in adolescent girls poses critical health risks on future pregnancy and birth outcomes especially in developing countries. Our purpose was to assess nutritional status and dietary intake of rural adolescent girls and determine pulse and food intake patterns associated with poor nutritional status. A cross-sectional community-based study was conducted in a traditional pulse growing region of southern Ethiopia on 188 girls between 15 to 19 years of age, with 70% being from food insecure families. Prevalence of stunting (30.9%) and underweight (13.3%) were associated with low food and nutrient intake. Diets were cereal-based, with both animal source foods and pulses rarely consumed. Improving dietary intakes of female adolescents with nutrient dense foods would ensure better health for themselves and for the next generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,056
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,236 · 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'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

Citations25
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology of Food and NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207