Patterns in the Risk Factors of Undernutrition Among Children 0 to 24 Months and 25 to 59 Months Old in Ethiopia: Evidence From the 2016 National Survey
Notice bibliographique
Résumé
The objective of this study is to examine the contribution of child, maternal and household factors on undernutrition of children under five years in Ethiopia. We used the 2016 Ethiopian Demographic and Health Survey data. We have included 4199 young children (0–24 months) and 5497 older age group (25–59 months), giving a total of 9696 children. Among the younger age group 29% were stunted, 14% were wasted and 19% were underweight, and among the older age group prevalence of stunting, wasting and underweight were 47%, 8% and 28% respectively. Being female, intake of multiple micronutrients, households having piped source of drinking water, high maternal BMI, higher household wealth, higher maternal education were associated with decreased odds of at least one form of undernutrition in both groups. On the other hand, children who were anemic, had small birth weight, drank from bottle, and children of stunted or wasted or working mother were more likely to be stunted, wasted or underweight in both groups (P < 0.05). While most predictors and/or risk factors followed similar pattern across the two groups, child factors had higher leverage in the younger than the older groups across the three forms of undernutrition. Multiple set of factors predicted childhood undernutrition in Ethiopia. The study underscores the importance of intervening in the first 1000 days through promoting maternal education, maternal-child health services, mother's nutrition, and improving the intra household food distribution. N/A.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».