COVID-19 pandemic and mitigation strategies: implications for maternal and child health and nutrition
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) continues to ravage health and economic metrics globally, including progress in maternal and child nutrition. Although there has been focus on rising rates of childhood wasting in the short term, maternal and child undernutrition rates are also likely to increase as a consequence of COVID-19 and its impacts on poverty, coverage of essential interventions, and access to appropriate nutritious foods. Key sectors at particular risk of collapse or reduced efficiency in the wake of COVID-19 include food systems, incomes, and social protection, health care services for women and children, and services and access to clean water and sanitation. This review highlights key areas of concern for maternal and child nutrition during and in the aftermath of COVID-19 while providing strategic guidance for countries in their efforts to reduce maternal and child undernutrition. Rooted in learnings from the exemplars in Global Health's Stunting Reduction Exemplars project, we provide a set of recommendations that span investments in sectors that have sustained direct and indirect impact on nutrition. These include interventions to strengthen the food-supply chain and reducing food insecurity to assist those at immediate risk of food shortages. Other strategies could include targeted social safety net programs, payment deferrals, or tax breaks as well as suitable cash-support programs for the most vulnerable. Targeting the most marginalized households in rural populations and urban slums could be achieved through deploying community health workers and supporting women and community members. Community-led sanitation programs could be key to ensuring healthy household environments and reducing undernutrition. Additionally, several COVID-19 response measures such as contact tracing and self-isolation could also be exploited for nutrition protection. Global health and improvements in undernutrition will require governments, donors, and development partners to restrategize and reprioritize investments for the COVID-19 era, and will necessitate data-driven decision making, political will and commitment, and international unity.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».