MétaCan
Menu
Retour à la cohorte
Enregistrement W2895441612 · doi:10.3390/nu10101450

Mitigated Impact of Provision of Local Foods Combined with Nutrition Education and Counseling on Young Child Nutritional Status in Cambodia

2018· article· en· W2895441612 sur OpenAlexaff
Lylia Menasria, Sonia Blaney, Barbara Main, Lenin Vong, Vannary Hun, David Raminashvili, Chhorvann Chhea, Lucie Chiasson, C. Leblanc

Notice bibliographique

RevueNutrients · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensWorld Wildlife Fund CanadaUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésAnthropometryWastingMedicineNutrition EducationMalnutritionFerritinIron deficiencyMicronutrientPediatricsHemoglobinEnvironmental healthAnemiaGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Cambodia, stunting and wasting affect, respectively, 32% and 10% of children 0⁻59 months while 55% are anemic. Our research aims to assess the efficiency of two local foods combined with nutritional education and counseling (CEN) activities as compared to CEN alone on improving child nutritional status and dietary intake. METHODS: = 360) assigned to receive either moringa +CEN, cricket +CEN or CEN alone. Anthropometric measurements were performed and hemoglobin and ferritin levels assessed. RESULTS: -score was observed, although a small increase of the weight-for-length/height was noted in intervention groups. Hemoglobin and ferritin mean values increased in all groups. The degree of satisfaction of energy, proteins, iron, and zinc requirements improved in all groups, but to a greater extent in the intervention groups and more children were healthy. CONCLUSION: Our research shows no significant impact of the provision of two local foods combined with CEN on the improvement of child nutritional status as compared to CEN alone. However, children consuming them better fulfilled their energy, iron, and zinc requirements and were healthier.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,007
Tête enseignante GPT0,275
Écart entre enseignants0,269 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetChild Nutrition and Water AccessTravaux en français237 207