Notice bibliographique
Résumé
Malnutrition, with its 2 constituents of protein-energy malnutrition and micronutrient deficiencies, continues to be a major health burden in developing countries. It is globally the most important risk factor for illness and death, with hundreds of millions of pregnant women and young children particularly affected. Apart from marasmus and kwashiorkor (the 2 forms of protein- energy malnutrition), deficiencies in iron, iodine, vitamin A and zinc are the main manifestations of malnutrition in developing countries. In these communities, a high prevalence of poor diet and infectious disease regularly unites into a vicious circle. Although treatment protocols for severe malnutrition have in recent years become more efficient, most patients (especially in rural areas) have little or no access to formal health services and are never seen in such settings. Interventions to prevent protein- energy malnutrition range from promoting breast-feeding to food supplementation schemes, whereas micronutrient deficiencies would best be addressed through food-based strategies such as dietary diversification through home gardens and small livestock. The fortification of salt with iodine has been a global success story, but other micronutrient supplementation schemes have yet to reach vulnerable populations sufficiently. To be effective, all such interventions require accompanying nutrition-education campaigns and health interventions. To achieve the hunger- and malnutrition-related Millennium Development Goals, we need to address poverty, which is clearly associated with the insecure supply of food and nutrition.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».