Prevalence, Trends and Predictors of Small Size Babies in Nigeria: Analysis of Data from Two Recent Nigeria Demographic and Health Surveys
Notice bibliographique
Résumé
Background: Despite low birth weight (LBW) role on child growth, development, and survival in developing countries, it has not been given the desired priority in terms of research, at the national level in Nigeria. Our study aims to estimate the trend in the prevalence of small size babies and to identify its predictors using nationally representative data. Methods: We used the 2013 and 2018 data from the Nigeria Demographic and Health Survey using the statistical methods of descriptive analysis and logistic regression modelling. Results: The proportion of babies reported to have small size at birth in Nigeria declined from 14.9% in 2013 to 13.7% in 2018. Various factors from demographic, socio-economic, and health-seeking behaviour were identified as significant predictors. Women who received iron pills and tetanus toxoids during pregnancy had at most 79% and 80% less risk of having small size babies, respectively, than those who received none of these two. Female children had at least 21% more chance of being small in size than male children. Other key predictors were geopolitical region, maternal age at child birth, maternal literacy level, wealth status, religion, source of water supply, number of ANC visits during pregnancy, and desirousness of pregnancy. Conclusion: In light of the adverse effects of low birth weight on child well-being, we recommend the implementation and prioritization of active, resourceful public health interventions that account for the findings of this study, if Nigeria is to sustain the progress achieved so far in reducing its current high rate.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».