Individual and Ecological Variation in Child Undernutrition in India
Notice bibliographique
Résumé
Despite the substantial burden of child undernutrition in South Asia, little is known on the relative importance and contribution of individual and micro/macro environments in shaping variation in child undernutrition. Using measures of anthropometry, we decompose the variation in child undernutrition in India to the levels of child, communities and states, quantifying the extent to which variation at each of these levels can be explained by known proximal and distal risk factors, measured at the individual (child/household) level. Data are from under-five singleton children participating in the 2005–2006 National Family Health Survey (NFHS-3). The outcome variables were: height-for-age z-score (HAZ), weight-for-age z-score (WAZ) and weight-for-height z-score (WHZ), as well as their associated measures of anthropometric failure: stunting, underweight and wasting, defined as more than two standard deviations below the median of the referred z-scores, respectively. We also considered the composite index of anthropometric failure (CIAF), defined by combinations of child anthropometric failure. After accounting for risk factors, of the total variation in HAZ, 93.2 per cent, 4.9 per cent and 1.9 per cent were attributable to the individual, community and state levels, respectively. The observed risk factors explained 6.3 per cent and 46.9 per cent of the variation at the individual and community level, respectively; however, between-state variation was not explained by these risk factors. Variability in other measures of anthropometry and anthropometric failure largely followed this pattern. Additionally, there were also considerable differences in the amount of variation at the individual and community levels among different states. Hence, there is a substantial variability at the community level compared to the state level, suggesting the presence of micro-geographies of undernutrition. Additionally, while a substantial majority of the variation in child undernutrition is at the individual level, our ability to explain variability in undernutrition at the individual-level risk factors is extremely limited. Further research is needed to explore community level or environmental factors affecting child undernutrition, generating evidence for policies to target these determinants.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».