Spatial heterogeneity and factors influencing stunting and severe stunting among under-5 children in Ethiopia: spatial and multilevel analysis
Notice bibliographique
Résumé
Stunting remains a major public health concern in Ethiopia. Government needs to reshape and redesign new interventions to reduce stunting among under-five children. Hence, this study identified the problem according to location and risk factor. This study is a secondary data analysis of the 2016 Ethiopian Demographic and Health Survey. A total of 9588 children aged 0-59 months were included in the study. The spatial and multilevel logistic regression analyses were used to explore spatial heterogeneity and identify individual- and household-level factors associated with stunting and severe stunting. Spatial heterogeneity of stunting and severe stunting was seen across the study setting. Male children (AOR = 1.51, CI 1.16, 1.96); multiple births (AOR = 27.6, CI 10.73, 71.18); older children (AOR = 1.04, CI 1.01, 1.05) and anemic children (AOR = 3.21, CI 2.3, 4.49) were severely stunted at individual-level factors. Children from educated and malnourished mothers (respectively, AOR = 0.18, CI 0.05, 0.71; AOR = 5.35, CI 3.45, 8.32), and from less wealthier mothers (AOR = 5.95, CI 2.58, 13.69) were severely stunted at household-level factors. Giving priority to the hotspot areas of stunting and older and anemic children, multiple births, and maternal undernutrition is important to reduce stunting. Studies are recommended to fill the gaps of this study.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».