Large-Scale Food Fortification and Biofortification in Low- and Middle-Income Countries: A Review of Programs, Trends, Challenges, and Evidence Gaps
Notice bibliographique
Résumé
BACKGROUND: Food fortification and biofortification are well-established strategies to address micronutrient deficiencies in vulnerable populations. However, the effectiveness of fortification programs is not only determined by the biological efficacy of the fortified foods but also by effective and sustainable implementation, which requires continual monitoring, quality assurance and control, and corrective measures to ensure high compliance. OBJECTIVE: To provide an overview of efficacy, effectiveness, economics of food fortification and biofortification, and status of and challenges faced by large-scale food fortification programs in low- and middle-income countries (LMIC). METHODS: A literature review of PubMed publications in English from 2000 to 2017, as well as gray literature, targeting nongovernmental organizations whose work focuses on this topic, complemented by national reports and a "snowball" process of citation searching. The article describes remaining technical challenges, barriers, and evidence gap and prioritizes recommendations and next steps to further accelerate progress and potential of impact. RESULTS: The review identifies and highlights essential components of successful programs. It also points out issues that determine poor program performance, including lack of adequate monitoring and enforcement and poor compliance with standards by industry. CONCLUSIONS: In the last 17 years, large-scale food fortification initiatives have been reaching increasingly larger segments of populations in LMIC. Large-scale food fortification and biofortification should be part of other nutrition-specific and nutrition-sensitive efforts to prevent and control micronutrient deficiencies. There are remaining technical and food system challenges, especially in relation to improving coverage and quality of delivery and measuring progress of national programs.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».