MétaCan
Menu
Retour à la cohorte
Enregistrement W2605685458 · doi:10.1159/000462972

World Perspective on the Epidemiology of Stunting between 1990 and 2015

2017· review· en· W2605685458 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHormone Research in Paediatrics · 2017
Typereview
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensMcGill UniversitySickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMalnutritionLatin AmericansPsychological interventionStunted growthEpidemiologyDemographyDeveloping countryMiddle EastLow and middle income countriesEnvironmental healthMedicineGeographyEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Stunting is the most prevalent form of child undernutrition with current worldwide estimates at 156 million. The majority of these children reside in low- and middle-income countries. When stunting prevails to adulthood, optimal growth potential and economic productivity are minimized. RESULTS: In 2015 there were 98.5 million fewer stunted children under 5 years of age than in 1990. In East Asia and Pacific and South Asia, the stunting prevalence decreased by 24.8 and 25%, respectively. Minimal declines were observed in Latin America and the Caribbean at 12.6%, in the Middle East and North Africa at 12.9%, and in sub-Saharan Africa at 13.4%. But because large populations of children under 5 years of age are distributed disproportionately, decreases in prevalence do not translate to fewer numbers of stunted children globally. In sub-Saharan Africa, the number of stunted children increased by 12.4 million between 1990 and 2015. CONCLUSIONS: Adult height is dependent on nutrition-specific or nutrition-sensitive factors. Nutrition-specific factors can be targeted according to their impact at critical points of development and therefore offer multiple windows of opportunity for interventions. To date, many interventions focus on the first 1,000 days, but opportunities may extend into later childhood and adolescence. .

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.

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)0,012
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
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 Opus0,439
Tête enseignante GPT0,534
Écart entre enseignants0,096 · 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