Understanding multifactorial drivers of child stunting reduction in Exemplar countries: a mixed-methods approach
Notice bibliographique
Résumé
BACKGROUND: Several countries have notably reduced childhood stunting relative to economic growth over the past 15-20 y. The Exemplars in Stunting Reduction project, or "Exemplars," studies success factors among these countries with a lens toward replicability. OBJECTIVES: This paper details the standardized mixed-methods framework for studying determinants of childhood stunting reduction applied in Exemplars studies. METHODS: An expert technical advisory group (TAG), criteria for identifying Exemplar countries, evidence-based frameworks, mixed methodologies (quantitative, qualitative, policy, literature review), effective research partnerships, case study process and timeline, and data triangulation and corroboration are presented. RESULTS: Experts in health, nutrition, and evaluation methods were selected at the study outset to provide technical support to all phases of research (TAG). Exemplar countries were selected by the TAG, who considered quantitative data (e.g., annual rates of stunting change compared with economic growth, country population size) and qualitative insights (e.g., logistics of country work, political stability). Experienced country research partners were selected and an inception meeting with stakeholder consultations was held to launch research and garner support. Evidence-based conceptual frameworks underpinned all Exemplars research activities. A systematic review of published peer-reviewed and grey literature was undertaken, along with in-depth policy and program analysis of nutrition-specific and -sensitive investments. Both descriptive and advanced quantitative analysis was undertaken (e.g., equity analyses, difference-in-difference regression, Oaxaca-Blinder decomposition). Qualitative data collection using in-depth interviews and focus groups was conducted with national and community stakeholders (i.e., child care workers and mothers) to understand country experiences. The case study process was iterative, and all research outputs were triangulated to develop the stunting reduction narrative for each country. Findings were shared with country experts for weigh-in and corroboration through dissemination events. CONCLUSIONS: Exemplars research uses a mixed-methods framework for studying positive outliers that can be applied across diverse health and development outcomes.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».