Risk factors modifying the double burden of malnutrition of young children in Thailand
Notice bibliographique
Résumé
Thailand is now faced with a double burden of malnutrition. Using nationally representative data from the 2015-2016 Multiple Indicator Cluster Survey, we utilized multinomial logistic regression models to examine factors associated with stunting only, wasting only, overweight only, concurrent stunting and overweight, and concurrent stunting and wasting among children 0-59 months of age (n = 11,068). The prevalences of <5 stunting only (height-for-age Z score < -2 SD) and wasting only (WHZ < -2 SD) were 8.5% and 4.7%, respectively. The prevalence of <5 overweight only (WHZ > +2 SD) was 7.8%. Children 12-23 months (risk ratio [RR], 95% confidence interval [CI]: 1.47 [1.18, 1.83]; p < .01) and 24-35 months (RR, 95% CI: 1.56 [1.26, 1.94]; p < .001) were at increased risk for stunting only, compared with children 48-59 months. The strongest risk factor for stunting only was low birth weight (RR, 95% CI: 3.42 [2.86, 4.10]; p < .001). Children 0-5 months were at highest risk for wasting only, compared with children 48-59 months (RR, 95% CI: 2.91 [2.16, 3.92]; p < .001). Children 48-59 months and male children were more likely to be overweight only. Higher household wealth and smaller household size were also significant predictors of overweight only. A small proportion of children were concurrently stunted and overweight (1.3%) and concurrently stunted and wasted (0.6%). A multipronged approach focused on adequate prenatal care, improving breastfeeding and complementary feeding practices, and mitigating the growing burden of overweight is needed to address the double burden of malnutrition in Thailand.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».