MétaCan
Menu
Retour à la cohorte
Enregistrement W3112586886 · doi:10.5334/aogh.3093

Population and Individual-Level Double Burden of Malnutrition Among Adolescents in Two Emerging Cities in Northern and Southern Nigeria: A Comparative Cross-Sectional Study

2020· article· en· W3112586886 sur OpenAlexaff
Oghenebrume Wariri, Kingsley Irelosen Akhimienho, Jacob Albin Korem Alhassan, Iliya Jalo, Iso Precious Oloyede, Eno Etim Nyong, Fidelia Bode-Thomas

Notice bibliographique

RevueAnnals of Global Health · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésOvernutritionOverweightMalnutritionCross-sectional studyObesityMedicinePopulationBody mass indexDemographyDouble burdenAnthropometryEnvironmental healthEndocrinologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Over the past three decades, double burden of malnutrition (DBM), a situation where high levels of undernutrition (stunting, thinness, or micronutrient deficiency) coexist with overnutrition (overweight and obesity), continues to rise in sub-Saharan Africa. Compared to other countries in the region, the evidence on DBM is limited in Nigeria. Objective: This paper aimed to determine the comparative prevalence of population-level and individual-level DBM among adolescents in two emerging cities in northern and southern Nigeria. Methods: This was a comparative cross-sectional study among apparently healthy secondary school adolescents aged 10–18 years in Gombe (northern Nigeria) and Uyo (southern Nigeria) between January 2015 and June 2017. A multistage random sampling technique was implemented to recruit adolescents from 24 secondary schools in both cities. Measures of general obesity (body mass index) and stature (height-for-age) were classified and Z-scores generated using the WHO AnthroPlus software, which is based on the WHO 2006 growth reference. Population-level DBM was defined as the occurrence of thinness and overweight/obesity within the population. Individual-level DBM was defined as the proportion of individuals who were concurrently stunted and had truncal obesity or stunted and were overweight/obese. Findings: Overall, at the population-level in both settings, 6.8% of adolescents had thinness, while 12.4% were overweight/obese signifying a high burden of population-level DBM. Comparatively, the population-level DBM was higher in Gombe compared to Uyo (thinness: 11.98% vs 5.3% and overweight/obesity: 16.08% vs 11.27% in Gombe vs Uyo respectively). Overall, at the individual level, 6.42% of stunted adolescents had coexisting truncal obesity, while 8.02% were stunted and had coexisting general overweight/obesity. Like the trend with population-level DBM, individual-level DBM was higher in Gombe (northern Nigeria) compared to Uyo (southern Nigeria). Conclusion: High levels of population-level and individual-level DBM exist in Gombe and Uyo. However, the level of DBM (under- and over-nutrition) is higher in Gombe located in northern Nigeria compared to Uyo in southern Nigeria.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,418
Écart entre enseignants0,293 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Global HealthMême sujetChild Nutrition and Water AccessTravaux en français237 207