MétaCan
Menu
Retour à la cohorte
Enregistrement W3081313108 · doi:10.1111/mcn.12770

Reducing malnutrition in Cambodia. A modeling exercise to prioritize multisectoral interventions

2020· article· en· W3081313108 sur OpenAlexaff
Arnaud Laillou, Ludovic Gauthier, Frank T. Wieringa, Jacques Berger, Samnang Chea, Etienne Poirot

Notice bibliographique

RevueMaternal and Child Nutrition · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensCouncil of Ministers of Education
Organismes subventionnairesUNICEF
Mots-clésWastingMalnutritionSanitationEnvironmental healthMedicinePsychological interventionPovertyHygieneChild mortalitySocioeconomic statusInequalitySocioeconomicsPopulationEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Undernutrition is a major contributor to child morbidity and mortality and poses a large burden to the economy, in Cambodia. This study explored factors contributing to child stunting and wasting and their regional inequalities among 1,938 Cambodian children aged 6-23.9 months. Data were drawn from a longitudinal study (year 2017) conducted in six districts of two north-eastern provinces and the capital and used as cross-sectional. Socio-demographic and household characteristics, children's feeding practices during the previous 24 hr, and children's length and weight measurements were collected. Gradient boosting models were used to calculate the contribution of determinants to child undernutrition whereas concentration index was used to assess the impact of those determinants on stunting and wasting inequalities among socioeconomic groups. It was found that low-household wealth could predict 21% to 45% of child stunting and 23% to 36% of wasting across regions. After wealth, source and treatment of drinking water were found the second major predictor for stunting (15%) and wasting (21%). Combining child nutrition and household water, sanitation and hygiene indicators predicted around 30% of child undernutrition, either in the form of stunting or wasting. Mothers' education predicted >30% of stunting in the north-eastern region. Results highlight that a complex interplay of factors contributes to child stunting and wasting. An integrated, intersectoral, equity-focused approach that addresses children's dietary quality, household's water, sanitation and hygiene conditions, mother's education, and poverty is likely to yield the highest impact in achieving further gains in nutritional status among Cambodian children.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,279
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaternal and Child NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207