Possible Causes of Malnutrition in Melghat, a Tribal Region of Maharashtra, India
Notice bibliographique
Résumé
Melghat, situated in Amravati District of Maharashtra, India is a tribal region with amongst the highest numbers of malnutrition cases. This paper focuses on possible causes of malnutrition in the Dharni block of Melghat. Quantitative survey recorded the existing burden of malnutrition, kitchen garden (KG) practices, Public Distribution System, food provisioning, Anganwadi services and hygiene/sanitation in the community. Additionally a qualitative study was undertaken to understand the community's perspective on nutrition, cultural beliefs, spending habits and other factors contributing to malnutrition. Malnutrition was found to be highly prevalent amongst all age groups with 54% children aged 1-5 years and 43% adults aged ≥ 20 years being severe to moderately underweight. A major cause for malnutrition in children was faulty child care practices. Data on food provisioning revealed that while the caloric needs of the community were substantially met by consumption of cereals and pulses, minimal consumption of green leafy vegetables (GLVs) could lead to micronutrient deficiency in the community. KGs, which provide GLVs, were mainly cultivated in monsoon (98%) which declined to merely 4% in summer. The benefits of government schemes though targeted at malnourished children were often shared by the entire household and thus got diluted. Key finding was that nutrition interventions should be designed to address the entire household and emphasis should be given to appropriate nutrition education, without which distributing food or increasing income would have minimal effect.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».