Experiences and lessons learned for planning and supply of micronutrient powders interventions
Notice bibliographique
Résumé
Realistic planning for a nutrition intervention is a critical component of implementation, yet effective approaches have been poorly documented. Under the auspices of "The Micronutrient Powders Consultation: Lessons Learned for Operational Guidance," 3 working groups were formed to summarize experiences and lessons across countries regarding micronutrient powders (MNP) interventions for young children. This paper focuses on programmatic experiences in the planning stages of an MNP intervention, encompassing assessment, enabling environment and adaptation, as well as considerations for supply. Methods included a review of published and grey literature, key informant interviews, and deliberations throughout the consultation process. We found that assessments helped justify adopting an MNP intervention, but these assessments were often limited by their narrow scope and inadequate data. Establishing coordinating bodies and integrating MNP into existing policies and programmes have helped foster an enabling environment and support programme stability. Formative research and pilots have been used to adapt MNP interventions to specific contexts, but they have been insufficient to inform scale-up. In terms of supply, most countries have opted to procure MNP through international suppliers, but this still requires understanding and navigating the local regulatory environment at the earliest stages of an intervention. Overall, these findings indicate that although some key planning and supply activities are generally undertaken, improvements are needed to plan for effective scale-up. Much still needs to be learned on MNP planning, and we propose a set of research questions that require further investigation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».