Prevalence of Malnutrition (Overweight and Underweight) in Children Aged 10-13 Years in Schools in Manipal and Utopia, Karnataka
Notice bibliographique
Résumé
Background. Malnutrition is a major health problem in India. It mostly affects children of school going age with serious health problems putting them at an increased risk for developing chronic diseases later in life. This study aims to study the prevalence of malnutrition (overweight and underweight) in children aged 10-13 years in schools in Manipal and Utopia, Karnataka. Materials and Methods. In this study, a total 400 students were studied. Their anthropometric measurements like height, weight, BMI and MUAC, dietary pattern, physical activity level, and child eating behavior. Questionnaire was used to note the student’s information. The data collected was subjected to statistical analysis using SPSS version 21, Diet Cal, and Anthroplus1.0.4. Results. It was observed that in the childhood category 10-13 years there were 222 (55.5%) male and 178(44.5%) female. According to the BMI for age 53.4% of them falls under the normal category; 22.3% falls under the mild wasting category; About 18.3% falls under the obese category and 8% falls under the moderate wasting category. There is no students falling under the severe wasting and overweight category according to the BAZ classification. When the height for age was done for all the children, about 36.3% falls under normal height; About 35.5% falls under mild stunting; 19.3% falls under the moderate stunting; 8.3% falls under the severe stunting category; and 1% falls under tall category according to the HAZ classification. Conclusions. In conclusion, mild stunting and wasting was observed among children. There are no students falling under the severe wasting and overweight category according to the BAZ classification.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».