MétaCan
Menu
← Retour à la cohorte
Enregistrement W3032249120 · doi:10.1093/cdn/nzaa061_112

How Has Early Marriage, a Critical Social Determinant of Child Stunting and Wasting, Changed over a Decade in South Asia? Trends, Inequities and Drivers, 2005 to 2018

2020· article· en· W3032249120 sur OpenAlexaff
Samuel Scott, Phuong V. Nguyen, Sumanta Neupane, Priyanjana Pramanik, Priya Nanda, Purnima Menon, Zulfiqar A Bhutta, Kaosar Afsana

Notice bibliographique

RevueCurrent Developments in Nutrition · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésWastingResidenceDemographySouth asiaGeographyChild marriageMedicineSocioeconomicsPopulationSociology

Résumé

récupéré en direct d'OpenAlex

In South Asia, many women are married before their 18th birthday and give birth soon after. Delaying marriage is an attractive nutrition policy target as previous research shows that early marriage (EM) is associated with poor child growth outcomes, operating through many pathways. We sought to describe the prevalence, trends, inequities and predictors of EM in South Asia. We used Demographic and Health Survey data available in the last 15 years for 7 South Asian countries: Afghanistan (AF; 2015), Bangladesh (BG; 2007, 2014), India (IN; 2006, 2016), Maldives (MV; 2009, 2017), Nepal (NP; 2005, 2016), and Pakistan (PK; 2007, 2018). EM was defined as the percentage of women aged 20–24 years who were married before 18 years of age. Our analyses included 133,680 women. The prevalence and absolute burden in terms of number of individuals affected were estimated for each survey round. Relative trends were examined using average annual rate of reduction (AARR). Inequities were examined by geography, wealth, place of residence, and education. Regression decomposition was used to examine the contribution of improvements in wealth and education to EM reductions. The most recent rounds of data show that EM is common in BG (69%), AF (52%), NP (52%), IN (41%), and PK (37%) but not MV (4%). IN accounts for 68% of the regional burden, with 21.9 million women married early in 2016. The fastest reductions in EM have occurred in IN (59% to 41% over 10 years, an AARR of −3.8% per year), PK (−2.8% per year), and BG (−1.5% per year). EM prevalence varies subnationally, e.g., from 5% to 52% for states within IN in 2016. Equity analysis shows that EM disproportionately burdens women who are poor, uneducated, and live in rural areas. Progress in narrowing these inequalities has been slow in the past decade. When examining predictors of EM, completion of secondary school was associated with a 20% (PK) to 36% (NP) lower EM prevalence. Decomposition analysis shows that improvements in wealth and education alone predicted between 46% (PK) and 96% (NP) of the actual EM reduction. EM remains highly prevalent in South Asia and trends indicate an enduring problem. The nutrition community should invest in building linkages with researchers and practitioners to further understand and address this important social determinant of poor child growth. A4NH/IFPRI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,307
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in Nutrition→Même sujetChild Nutrition and Water Access→Travaux en français237 207→