Setting research priorities on multiple micronutrient supplementation in pregnancy
Notice bibliographique
Résumé
Prenatal micronutrient deficiencies are associated with negative maternal and birth outcomes. Multiple micronutrient supplementation (MMS) during pregnancy is a cost-effective intervention to reduce these adverse outcomes. However, important knowledge gaps remain in the implementation of MMS interventions. The Child Health and Nutrition Research Initiative (CHNRI) methodology was applied to inform the direction of research and investments needed to support the implementation of MMS interventions for pregnant women in low- and middle-income countries (LMIC). Following CHNRI methodology guidelines, a group of international experts in nutrition and maternal health provided and ranked the research questions that most urgently need to be resolved for prenatal MMS interventions to be successfully implemented. Seventy-three research questions were received, analyzed, and reorganized, resulting in 35 consolidated research questions. These were scored against four criteria, yielding a priority ranking where the top 10 research options focused on strategies to increase antenatal care attendance and MMS adherence, methods needed to identify populations more likely to benefit from MMS interventions and some discovery issues (e.g., potential benefit of extending MMS through lactation). This exercise prioritized 35 discrete research questions that merit serious consideration for the potential of MMS during pregnancy to be optimized in LMIC.
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 | 0,233 | 0,245 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,022 | 0,012 |
| Science ouverte | 0,006 | 0,023 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».