Risk factors for stunting among children under five years: a cross-sectional population-based study in Rwanda using the 2015 Demographic and Health Survey
Notice bibliographique
Résumé
BACKGROUND: Child growth stunting remains a challenge in sub-Saharan Africa, where 34% of children under 5 years are stunted, and causing detrimental impact at individual and societal levels. Identifying risk factors to stunting is key to developing proper interventions. This study aimed at identifying risk factors of stunting in Rwanda. METHODS: We used data from the Rwanda Demographic and Health Survey (DHS) 2014-2015. Association between children's characteristics and stunting was assessed using logistic regression analysis. RESULTS: A total of 3594 under 5 years were included; where 51% of them were boys. The prevalence of stunting was 38% (95% CI: 35.92-39.52) for all children. In adjusted analysis, the following factors were significant: boys (OR 1.51; 95% CI 1.25-1.82), children ages 6-23 months (OR 4.91; 95% CI 3.16-7.62) and children ages 24-59 months (OR 6.34; 95% CI 4.07-9.89) compared to ages 0-6 months, low birth weight (OR 2.12; 95% CI 1.39-3.23), low maternal height (OR 3.27; 95% CI 1.89-5.64), primary education for mothers (OR 1.71; 95% CI 1.25-2.34), illiterate mothers (OR 2.00; 95% CI 1.37-2.92), history of not taking deworming medicine during pregnancy (OR 1.29; 95%CI 1.09-1.53), poorest households (OR 1.45; 95% CI 1.12-1.86; and OR 1.82; 95%CI 1.45-2.29 respectively). CONCLUSION: Family-level factors are major drivers of children's growth stunting in Rwanda. Interventions to improve the nutrition of pregnant and lactating women so as to prevent low birth weight babies, reduce poverty, promote girls' education and intervene early in cases of malnutrition are needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».