MétaCan
Menu
Retour à la cohorte
Enregistrement W2896653578 · doi:10.1017/s1368980018002434

Prevalence thresholds for wasting, overweight and stunting in children under 5 years

2018· article· en· W2896653578 sur OpenAlexaff
Mercedes de Onís, Elaine Borghi, Mary Arimond, Patrick Webb, Trevor Croft, Kuntal Kumar Saha, Luz Maria De‐Regil, Faith Thuita, Rebecca Heidkamp, Julia Krasevec, Chika Hayashi, Rafael Flores‐Ayala

Notice bibliographique

RevuePublic Health Nutrition · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensNutrition International
Organismes subventionnairesUNICEFWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésWastingOverweightMalnutritionAnthropometryEnvironmental healthPsychological interventionMedicineNormativeTerminologyPediatricsPolitical scienceObesity

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Prevalence ranges to classify levels of wasting and stunting have been used since the 1990s for global monitoring of malnutrition. Recent developments prompted a re-examination of existing ranges and development of new ones for childhood overweight. The present paper reports from the WHO-UNICEF Technical Expert Advisory Group on Nutrition Monitoring. DESIGN: Thresholds were developed in relation to sd of the normative WHO Child Growth Standards. The international definition of 'normal' (2 sd below/above the WHO standards median) defines the first threshold, which includes 2·3 % of the area under the normalized distribution. Multipliers of this 'very low' level (rounded to 2·5 %) set the basis to establish subsequent thresholds. Country groupings using the thresholds were produced using the most recent set of national surveys. SETTING: One hundred and thirty-four countries. SUBJECTS: Children under 5 years. RESULTS: For wasting and overweight, thresholds are: 'very low' (≈6 times 2·5 %). For stunting, thresholds are: 'very low' (≈12 times 2·5 %). CONCLUSIONS: The proposed thresholds minimize changes and keep coherence across anthropometric indicators. They can be used for descriptive purposes to map countries according to severity levels; by donors and global actors to identify priority countries for action; and by governments to trigger action and target programmes aimed at achieving 'low' or 'very low' levels. Harmonized terminology will help avoid confusion and promote appropriate interventions.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,036
Tête enseignante GPT0,323
Écart entre enseignants0,287 · 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

Citations447
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207