Inequalities in nutritional status among under five children in Haryana state, India: Role of social determinants
Notice bibliographique
Résumé
Background: Under-nutrition is a major cause of ill health and childhood mortality in India. So far, little attempt has been made to assess whether improvements in nutritional status have masked widening socioeconomic inequalities or produced slower progress among the poor and the disadvantaged. Aims & objective: We undertook this study to estimate the burden of under-nutrition among children less than five years in four districts of Haryana and explore the inequalities in rates of malnutrition across different social and economic groups. Material & Methods: A community based cross-sectional survey was carried out in four districts of Haryana namely Ambala, Karnal, Panchkula and Yamunanagar. Multi-stage stratified random sampling technique was used to select 2763 children under 5 years of age. Standard anthropometric methods were used. Rates of underweight (WAZ ? -2 z-score), wasting (WHZ ? -2 z-score) and stunting (HAZ ? -2 z-score) were estimated. Multivariate logistic regression was used to determine risk factors and evaluate inequalities across population by social and economic sub-groups. Results: The prevalence of underweight, stunting and wasting in four districts of Haryana was 37.4%, 38.2% and 16.4% respectively. Similarly, 12.7%, 13.2% and 3.5% of under-weight children were severely underweight, stunted and wasted respectively. Age of the child, social group and wealth status were significant predictors of malnutrition. The odds of underweight and stunting increased among the poorest by 2.3 and 1.8 times respectively as compared to the richest category. Conclusion: There is persistent problem of under-nutrition in Haryana mostly among the poor, uneducated, and among children of women who do not take ANC care/ breastfeed. Actions on social determinants need urgent prioritization.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».