Fertility is a key predictor of the double burden of malnutrition among women of child-bearing age in sub-Saharan Africa
Notice bibliographique
Résumé
BACKGROUND: The ongoing nutrition transition in sub-Saharan Africa (SSA) is exhibiting spatial heterogeneity and temporal variability leading to different forms of malnutrition burden across SSA, with some regions exhibiting the double burden of malnutrition. This study aimed to develop a predictive understanding of the malnutrition burden among women of child-bearing age. METHODS: Data from 34 SSA countries were acquired from the Demographic and Health Survey, World Bank, and Swiss Federal Institute of Technology. The SSA countries were classified into malnutrition classes based on their national prevalence of underweight, overweight, and obesity using a 10% threshold. Next, random forest analysis was used to examine the association between country-level demographic variables and the national prevalence of underweight, overweight and obesity. Finally, random forest analysis and multinomial logistic regression models were utilized to investigate the association between individual-level social and demographic variables and Body Mass Index (BMI) categories of underweight, normal weight, and combined overweight and obesity. RESULTS: Four malnutrition classes were identified: Class A had 5 countries with ≥10% of the women underweight; Class B had 11 countries with ≥10% each of underweight and overweight; Class C1 had 7 countries with ≥10% overweight; and Class C2 had 11 countries with ≥10% obesity. At the country-level, fertility rate predicted underweight, overweight and obesity prevalence, but economic indicators were also important, including the gross domestic product per capita - a measure of economic opportunity that predicted both overweight and obesity prevalence, and the GINI coefficient - a measure of economic inequality that predicted both underweight and overweight prevalence. At the individual-level, parity was a risk factor for underweight in underweight burdened countries and a risk factor for overweight/obesity in overweight/obesity burdened countries, whereas age and wealth were protective factors for underweight but risk factors for overweight/obesity. CONCLUSIONS: Beyond the effect of economic indicators, this study revealed the important role of fertility rate and parity, which may represent risk factors for both underweight and combined overweight and obesity among women of child-bearing age. Health professionals should consider combining reproductive health services with nutritional programs when addressing the challenge of malnutrition in SSA.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».