MétaCan
Menu
Retour à la cohorte
Enregistrement W2146043903 · doi:10.1155/2014/907153

Food Insecurity and Not Dietary Diversity Is a Predictor of Nutrition Status in Children within Semiarid Agro-Ecological Zones in Eastern Kenya

2014· article· en· W2146043903 sur OpenAlexafffund
Zipporah Bukania, Moses Mwangi, Robert Karanja, Richard Mutisya, Yeri Kombe, Lydia Kaduka, Timothy Johns

Notice bibliographique

RevueJournal of Nutrition and Metabolism · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensMcGill University
Organismes subventionnairesForeign Affairs and International Trade CanadaInternational Development Research CentreGovernment of CanadaMcGill University
Mots-clésFood securityUnderweightFood insecurityWastingEnvironmental healthDietary diversityMedicineFood groupDiversity (politics)AgroecologyMalnutritionGeographyAgricultureObesityOverweight

Résumé

récupéré en direct d'OpenAlex

Machakos and Makueni counties in Kenya are associated with historical land degradation, climate change, and food insecurity. Both counties lie in lower midland (LM) lower humidity to semiarid (LM4), and semiarid (LM5) agroecological zones (AEZ). We assessed food security, dietary diversity, and nutritional status of children and women. Materials and Methods. A total of 277 woman-child pairs aged 15-46 years and 6-36 months respectively, were recruited from farmer households. Food security and dietary diversity were assessed using standard tools. Weight and height, or length in children, were used for computation of nutritional status. Findings. No significant difference (P > 0.05) was observed in food security and dietary diversity score (DDS) between LM4 and LM5. Stunting, wasting, and underweight levels among children in LM4 and LM5 were comparable as were BMI scores among women. However, significant associations (P = 0.023) were found between severe food insecurity and nutritional status of children but not of their caregivers. Stunting was significantly higher in older children (>2 years) and among children whose caregivers were older. Conclusion. Differences in AEZ may not affect dietary diversity and nutritional status of farmer households. Consequently use of DDS may lead to underestimation of food insecurity in semiarid settings.

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)0,001
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 enseignants0,011
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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

Citations66
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition and MetabolismMême sujetChild Nutrition and Water AccessTravaux en français237 207