MétaCan
Menu
Retour à la cohorte
Enregistrement W3092149163 · doi:10.1017/s1368980020003894

The missing focus on women’s health in the First 1,000 days approach to nutrition

2020· review· en· W3092149163 sur OpenAlexafffund
Mai‐Lei Woo Kinshella, Sophie E. Moore, Rajavel Elango

Notice bibliographique

RevuePublic Health Nutrition · 2020
Typereview
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchGovernment of Canada
Mots-clésPsychological interventionMalnutritionPregnancyMedicineBreast feedingBreastfeedingLactationEnvironmental healthOffspringGerontologyDevelopmental psychologyPsychologyPediatricsNursing

Résumé

récupéré en direct d'OpenAlex

The First 1,000 Days approach highlights the time between conception and a child's second birthday as a critical period where adequate nutrition is essential for adequate development and growth throughout the child's life and potentially onto their own offspring. Based on a review of relevant literature, this commentary explores the First 1,000 Days approach with a maternal lens. While the primary objective of the First 1,000 Days approach to nutrition is to reduce child malnutrition rates, particularly chronic undernutrition in the form of stunting, interventions are facilitated through mothers in terms of promoting healthy behaviours such as exclusive breast-feeding and attention to her nutritional status during pregnancy and lactation. Though these interventions were facilitated through women, women's health indicators are rarely tracked and measured, which we argue represents a missed opportunity to strengthen the evidence base for associations between maternal nutrition and women's health outcomes. Limited evidence on the effects of dietary interventions with pregnant and lactating mothers on women's health outcomes hinders advocacy efforts, which then contributes to lower prioritisation and less research.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,089
Tête enseignante GPT0,356
Écart entre enseignants0,267 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations27
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207