Stunting in childhood: an overview of global burden, trends, determinants, and drivers of decline
Notice bibliographique
Résumé
BACKGROUND: Progress has been made worldwide in reducing chronic undernutrition and rates of linear growth stunting in children under 5 y of age, although rates still remain high in many regions. Policies, programs, and interventions supporting maternal and child health and nutrition have the potential to improve child growth and development. OBJECTIVE: This article synthesizes the available global evidence on the drivers of national declines in stunting prevalence and compares the relative effect of major drivers of stunting decline between countries. METHODS: We conducted a systematic review of published peer-reviewed and gray literature analyzing the relation between changes in key determinants of child linear growth and contemporaneous changes in linear growth outcomes over time. RESULTS: Among the basic determinants of stunting assessed within regression-decomposition analyses, improvement in asset index score was a consistent and strong driver of improved linear growth outcomes. Increased parental education was also a strong predictor of improved child growth. Of the underlying determinants of stunting, reduced rates of open defecation, improved sanitation infrastructure, and improved access to key maternal health services, including optimal antenatal care and delivery in a health facility or with a skilled birth attendant, all accounted for substantially improved child growth, although the magnitude of variation explained by each differed substantially between countries. At the immediate level, changes in several maternal characteristics predicted modest stunting reductions, including parity, interpregnancy interval, and maternal height. CONCLUSIONS: Unique sets of stunting determinants predicted stunting reduction within countries that have reduced stunting. Several common drivers emerge at the basic, underlying, and immediate levels, including improvements in maternal and paternal education, household socioeconomic status, sanitation conditions, maternal health services access, and family planning. Further data collection and in-depth mixed-methods research are required to strengthen recommendations for those countries where the stunting burden remains unacceptably high.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».