Early childhood linear growth faltering in low-income and middle-income countries as a whole-population condition: analysis of 179 Demographic and Health Surveys from 64 countries (1993–2015)
Notice bibliographique
Résumé
BACKGROUND: The causes of early childhood linear growth faltering (known as stunting) in low-income and middle-income countries remain inadequately understood. We aimed to determine if the progressive postnatal decline in mean height-for-age Z score (HAZ) in low-income and middle-income countries is driven by relatively slow growth of certain high-risk children versus faltering of the entire population. METHODS: Distributions of HAZ (based on WHO growth standards) were analysed in 3-month age intervals from 0 to 36 months of age in 179 Demographic and Health Surveys from 64 low-income and middle-income countries (1993-2015). Mean, standard deviation (SD), fifth percentiles, and 95th percentiles of the HAZ distribution were estimated for each age interval in each survey. Associations between mean HAZ and SD, fifth percentile, and 95th percentile were estimated using multilevel linear models. Stratified analyses were performed in consideration of potential modifiers (world region, national income, sample size, year, or mean HAZ in the 0-3 month age band). We also used Monte Carlo simulations to model the effects of subgroup versus whole-population faltering on the HAZ distribution. FINDINGS: Declines in mean HAZ from birth to 3 years of age were accompanied by declines in both the fifth and 95th percentiles, leading to nearly symmetrical narrowing of the HAZ distributions. Thus, children with relatively low HAZ were not more likely to have faltered than taller same-age peers. Inferences were unchanged in surveys regardless of world region, national income, sample size, year, or mean HAZ in the 0-3 month age band. Simulations showed that the narrowing of the HAZ distribution as mean HAZ declined could not be explained by faltering limited to a growth-restricted subgroup of children. INTERPRETATION: In low-income and middle-income countries, declines in mean HAZ with age are due to a downward shift in the entire HAZ distribution, revealing that children across the HAZ spectrum experience slower growth compared to the international standard. Efforts to mitigate postnatal linear growth faltering in low-income and middle-income countries should prioritise action on community-level determinants of childhood HAZ trajectories. FUNDING: Bill & Melinda Gates Foundation.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».