MétaCan
Menu
Retour à la cohorte
Enregistrement W2228742608 · doi:10.1080/20477724.2015.1126033

Elevated prevalence of malnutrition and malaria among school-aged children and adolescents in war-ravaged South Sudan

2015· article· en· W2228742608 sur OpenAlexaff
Rhianna Charchuk, Stan Houston, Michael Hawkes

Notice bibliographique

RevuePathogens and Global Health · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMalariaMalnutritionUnderweightEnvironmental healthPovertyMedicinePsychological interventionPediatricsOverweightObesityEconomic growthImmunologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Emerging as a sovereign state from decades of civil war, the Republic of South Sudan now faces poverty, a lack of health care infrastructure, a high burden of infectious diseases and a widespread food insecurity. School-aged children and youth, in particular, represent a high-risk demographic for malnutrition and infectious diseases. We screened 109 school-aged children and youth for nutritional status and malaria antigenaemia in Akuak Rak, South Sudan, and found a large proportion of underweight (77/109 = 73%) and prevalent malaria (44/109 = 40%). There was no significant association between malnutrition and malaria. This study represents one of the few published reports on child and youth nutritional status and malaria prevalence in South Sudan since its independence. The implementation of nutrition and malaria screening combined with evidence-based interventions in schools could help target this high burden vulnerable group.

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 enseignants0,004
Score d'incertitude au seuil0,644

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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePathogens and Global HealthMême sujetChild Nutrition and Water AccessTravaux en français237 207