The Unfinished Agenda for Food Fortification in Low- and Middle-Income Countries: Quantifying Progress, Gaps and Potential Opportunities
Notice bibliographique
Résumé
Large-scale food fortification (LSFF) is a cost-effective intervention that is widely implemented, but there is scope to further increase its potential. To identify gaps and opportunities, we first accessed the Global Fortification Data Exchange (GFDx) to identify countries that could benefit from new fortification programs. Second, we aggregated Fortification Assessment Coverage Toolkit (FACT) survey data from 16 countries to ascertain LSFF coverage and gaps therein. Third, we extended our narrative review to assess current innovations. We identified 84 countries as good candidates for new LSFF programs. FACT data revealed that the potential of oil/ghee and salt fortification is not being met due mainly to low coverage of adequately fortified foods (quality). Wheat, rice and maize flour fortification have similar quality issues combined with lower coverage of the fortifiable food at population-level (< 50%). A four-pronged strategy is needed to meet the unfinished agenda: first, establish new LSFF programs where warranted; second, systems innovations informed by implementation research to address coverage and quality gaps; third, advocacy to form new partnerships and resources, particularly with the private sector; and finally, exploration of new fortificants and vehicles (e.g. bouillon cubes; salt fortified with multiple nutrients) and other innovations that can address existing challenges.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».