Socioeconomic Inequalities in Child Malnutrition in Bangladesh: Do They Differ by Region?
Notice bibliographique
Résumé
Socioeconomic inequality in child malnutrition is well-evident in Bangladesh. However, little is known about whether this inequality differs by regional contexts. We used pooled data from the 2011 and 2014 Bangladesh Demographic and Health Survey to examine regional differences in socioeconomic inequalities in stunting and underweight among children under five. The analysis included 14,602 children aged 0-59 months. We used logistic regression models and the Concentration index to assess and quantify wealth- and education-related inequalities in child malnutrition. We found stunting and underweight to be more concentrated among children from poorer households and born to less-educated mothers. Although the poverty level was low in the eastern regions, socioeconomic inequalities were greater in these regions compared to the western regions. The extent of socioeconomic inequality was the highest in Sylhet and Chittagong for stunting and underweight, respectively, while it was the lowest in Khulna. Regression results demonstrated the protective effects of socioeconomic status (SES) on child malnutrition. The regional differences in the effects of SES tend to diverge at the lower levels of SES, while they converge or attenuate at the highest levels. Our findings have policy implications for developing programs and interventions targeted to reduce socioeconomic inequalities in child malnutrition in subnational regions of Bangladesh.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».