MétaCan
Menu
Retour à la cohorte
Enregistrement W2912765309 · doi:10.1093/pubmed/fdy201

Stunting, dietary diversity and household food insecurity among children under 5 years in ethnic communities of northern Thailand

2018· article· en· W2912765309 sur OpenAlexfundno aff
Anna Roesler, Lisa G. Smithers, Prasit Wangpakapattanawong, Vivienne Moore

Notice bibliographique

RevueJournal of Public Health · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésDietary diversityBreastfeedingEthnic groupEnvironmental healthFood insecurityFood securityDiversity (politics)Stunted growthCross-sectional studyMedicineGeographyDemographyMalnutritionPediatricsAgriculture

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The aim of this study was to describe stunting in infants and young children in the ethnic communities of northern Thailand and to explore associations with dietary diversity and household factors including food security. METHODS: A cross-sectional survey of households with children under 5 years from eight villages. Adult respondents provided information on foods consumed by each child and details of the household. Heights and weights of children were measured. RESULTS: Adults from 172 households and 208 children participated. Overall, 38% of children were stunted. Exclusive breastfeeding was rare, but the proportion consuming breastmilk at 24 months (75%) was high. Few children (7%) aged 6-11 months met minimum dietary diversity. Stunted children were less likely than non-stunted children to meet minimum dietary diversity (63 versus 82%). Widespread food insecurity did not discriminate between stunted and non-stunted children. Stunting was elevated when households had little land and few animals. CONCLUSIONS: Stunting was widespread in children under 5 years of age, in part reflecting poor dietary diversity, especially at age 6-11 months. Stunting was worst in households with least assets. Small increases in land or animals, or equivalent resources, appear to be required to improve child nutrition in extremely poor families.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,132
Tête enseignante GPT0,308
Écart entre enseignants0,176 · 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

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public HealthMême sujetChild Nutrition and Water AccessTravaux en français237 207