Overweight and obesity among under-five children in South Asia
Notice bibliographique
Résumé
In parallel with high prevalence of undernutrition, the low-middle-income countries like those in South Asia are experiencing an increasing burden of overweight and obesity among under-five children. The present study aims to measure the prevalence of overweight and obesity and their sociodemographic correlates among under-five children in selected South Asian countries.Methods Cross-sectional data on 132,231 mother-child pairs were extracted from Demographic and Health Surveys conducted in Bangladesh (2014), India (2015–16), Maldives (2016–17), Nepal (2016) and Pakistan (2017–18). Singleton children aged 6 to 59 months regardless of breastfeeding status were included in the analysis. Childhood overweight (>2 SD) and obesity (>3 SD) were measured by BMI z-Scores using WHO guidelines for reference population. Generalised linear models (binomial family) were used to analyse the risk ratios of having overweight/obesity.Results The overall prevalence of overweight and obese children was 1.91% and 0.89%, respectively, with the prevalence being highest in Maldives (3.9% and 1.5%, respectively) and lowest in Nepal (1.2% and 0.2%, respectively). Child’s dietary diversity, maternal BMI and education, and household wealth status were significantly associated with childhood overweight/obesity. Having adequate dietary diversity increased the risk of overweight/obesity by 27% [RR = 1.27, 95%CI = 1.13,1.42]. Children whose mothers had normal [RR = 1.81, 95%CI = 1.62,2.03], overweight [RR = 1.99, 95%CI = 1.71,2.31] and obesity [RR = 1.88, 95%CI = 1.48,2.40] had higher risks of having overweight/obesity. Children from households that ranked higher in the wealth quintile also had a higher risk of having overweight/obesity.Conclusion The prevalence of overweight and obesity among under-five children in South Asian countries is relatively low compared with that in high-income countries. There exists important sociodemographic pattern in the distribution of childhood overweight/obesity across the countries, signifying the role of socio-cultural factors in the epidemiology of overnutrition in this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».