In Ethiopia, India, and Peru, Household Expenditures on Fats Are More Strongly Associated with Children’s Future Heights Than Expenditures on Other Food Groups (P10-006-19)
Notice bibliographique
Résumé
We hypothesized that household food expenditures on 7 key dietary food groups—starches, fruits & vegetables, legumes, eggs, dairy, meat and fat—woul differentially affect future child height-for-age z scores (HAZ), after adjusting for household, parental and community characteristics. We investigated the associations of household food group expenditures at 5 years (y) and 8y with child HAZ at 8y and 12y, respectively. We used data from 6993 children, born around 2001, from Ethiopia, India, Peru and Vietnam, collected at ages 5, 8, and 12y from the Young Lives younger cohort. We compared associations between two weeks of household food expenditures (in Purchasing Power Parity adjusted dollars (PPP$) to allow meaningful cross-country comparisons) on food groups and child HAZ at subsequent rounds of collection to assess longitudinal relations. Total food expenditures, rural/urban residence, maternal and paternal education, and child sex were controlled for in our models. In Ethiopia, results pointed to total food expenditure as one of the critical and significant components associated with subsequent child HAZ; and among the food groups, expenditures on fats had the largest associations with future child HAZ. In India and Peru, expenditure on one specific food group—fats—seemed to be the most important significant predictor of future HAZ in children from among food expenditures. In Vietnam, starches were a significant negative predictor of future HAZ, which may relate to the significance of dietary diversity and prediction of future HAZ for this country’s cohort. Our results pinpoint specific facets of the diet that may have had the greatest impact on child growth for each country. They also point to the importance of examining country-level context, and caution about generalizing from one context to others. These results, moreover, highlight the usefulness of household food expenditure survey data in analyzing children’s nutrition at the country level, and may help to influence child food and nutrition policies in these four unique countries. This study is based on research funded by the Bill & Melinda Gates Foundation, Eunice Shriver Kennedy National Institute of Child Health and Development and Grand Challenges Canada.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».