Incidence Correction Factors for Moderate and Severe Acute Child Malnutrition From 2 Longitudinal Cohorts in Mali and Burkina Faso
Notice bibliographique
Résumé
Child acute malnutrition (AM) is an important cause of child mortality. Accurately estimating its burden requires cumulative incidence data from longitudinal studies, which are rarely available in low-income settings. In the absence of such data, the AM burden is approximated using prevalence estimates from cross-sectional surveys and the incidence correction factor $K$, obtained from the few available cohorts that measured AM. We estimated $K$ factors for severe acute malnutrition (SAM) and moderate acute malnutrition (MAM) from AM incidence and prevalence using representative cross-sectional baseline and longitudinal data from 2 cluster-randomized controlled trials (Innovative Approaches for the Prevention of Childhood Malnutrition-PROMIS) conducted between 2014 and 2017 in Burkina Faso and Mali. We compared K estimates using complete (weight-for-length z score, mid-upper arm circumference (MUAC), and edema) and partial (MUAC, edema) definitions of SAM and MAM. $K$ estimates for SAM were 9.4 and 5.7 in Burkina Faso and in Mali, respectively; K estimates for MAM were 4.7 in Burkina Faso and 5.1 in Mali. The MUAC and edema-based definition of AM did not lead to different $K$ estimates. Our results suggest that $K$ can be reliably estimated when only MUAC and edema-based data are available. Additional studies, however, are required to confirm this finding in different settings.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».