MétaCan
Menu
Retour à la cohorte
Enregistrement W2922856121 · doi:10.3390/nu11030685

Determinants of Undernutrition among Young Children Living in Soth Nikum District, Siem Reap, Cambodia

2019· article· en· W2922856121 sur OpenAlexafffund
Sonia Blaney, Lylia Menasria, Barbara Main, Chhorvann Chhea, Lenin Vong, Lucie Chiasson, Vannary Hun, David Raminashvili

Notice bibliographique

RevueNutrients · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversité de Moncton
Organismes subventionnairesUniversité de Moncton
Mots-clésMalnutritionEnvironmental healthMedicineGerontologyGeographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Child undernutrition is of public concern in Cambodia. An understanding of factors influencing child nutritional status is essential to design programs that will reduce undernutrition. Using the UNICEF conceptual framework of causes of malnutrition, our research investigates the relationship between nutritional status of children aged 6⁻23 months and its immediate and underlying determinants. METHODS: Baseline data from a cluster-randomized controlled trial aiming to assess the impact of the promotion of optimal feeding practices combined or not with the provision of local foods among 360 children 6⁻23 months of age were used. Anthropometry and biochemical measurements were performed at baseline. Data on each determinant of undernutrition were collected through interviews and direct observations. RESULTS: Our results show that the degree of satisfaction of proteins and zinc requirements as well as the access to improved water sources and sanitation were positively associated with length-for-age, while having a better health status and a higher degree of satisfaction of energy, protein, zinc, and iron requirements were associated to an improved weight-for-length. Only child health status was associated to ferritin. CONCLUSION: Our results reiterate the importance of improving child diet and health status, but also the access to a healthy environment to ensure an optimal nutritional status.

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 enseignants0,062
Score d'incertitude au seuil0,124

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,236 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetChild Nutrition and Water AccessTravaux en français237 207