Assessment of Dietary Intake and Nutrient Gaps, and Development of Food-Based Recommendations, among Pregnant and Lactating Women in Zinder, Niger: An Optifood Linear Programming Analysis
Notice bibliographique
Résumé
Pregnant and lactating women in rural Niger are at high risk for inadequate intakes of multiple micronutrients. Thus, 24 h dietary recalls were conducted and analyzed for dietary intakes in this population (n = 202). Using linear programming analyses, micronutrient gaps in women’s diets were identified, food-based recommendations (FBR) to improve dietary micronutrient adequacy were developed, and various supplementation strategies were modelled. Energy intakes were below estimated requirements, and, for most micronutrients, >50% of women were at risk of inadequate intakes. Linear programming analyses indicated it would be difficult to select a diet that achieved recommended dietary allowances for all but three (vitamin B6, iron and zinc) of 11 modeled micronutrients. Consumption of one additional meal per day, and adherence to the selected FBR (daily consumption of dark green leafy vegetables, fermented milk, millet, pulses, and vitamin A fortified oil), would result in a low percentage of women at risk of inadequate intakes for eight modeled micronutrients (vitamin A, riboflavin, thiamin, B6, folate, iron, zinc, and calcium). Because the promotion of realistic FBRs likely will not ensure that a low percentage of women are at risk of inadequate intakes for all modeled micronutrients, multiple micronutrient supplementation or provision of nutrient-dense foods should be prioritized.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».