An agriculture–nutrition intervention improved children's diet and growth in a randomized trial in <scp>G</scp>hana
Notice bibliographique
Résumé
Stunting in Ghana is associated with rural communities, poverty, and low education; integrated agricultural interventions can address the problem. This cluster randomized controlled trial tested the effect of a 12-month intervention (inputs and training for poultry farming and home gardening, and nutrition and health education) on child diet and nutritional status. Sixteen clusters were identified and randomly assigned to intervention or control; communities within clusters were randomly chosen, and all interested, eligible mother-child pairs were enrolled (intervention: 8 clusters, 19 communities, and 287 households; control: 8 clusters, 20 communities, and 213 households). Intention-to-treat analyses were used to estimate the effect of the intervention on endline minimum diet diversity (≥4 food groups), consumption of eggs, and length-for-age (LAZ)/height-for-age (HAZ), weight-for-age (WAZ), and weight-for-length (WLZ)/weight-for-height (WHZ) z-scores; standard errors were corrected for clustering. Children were 10.5 ± 5.2 months (range: 0-32) at baseline and 29.8 ± 5.4 months (range: 13-48) at endline. Compared with children in the control group, children in the intervention group met minimum diet diversity (adjusted odds ratio = 1.65, 95% CI [1.02, 2.69]) and a higher LAZ/HAZ (β = 0.22, 95% CI [0.09, 0.34]) and WAZ (β = 0.15, 95% CI [0.00, 0.30]). Sensitivity analyses with random-effects and mixed-effects models and as-treated analysis were consistent with the findings. There was no group difference in WLZ/WHZ. Integrated interventions that increase access to high-quality foods and nutrition education improve child nutrition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».