MétaCan
Menu
Retour à la cohorte
Enregistrement W3116856123 · doi:10.1080/19439342.2020.1828998

Mothers’ education and the effectiveness of nutrition programmes: evidence from a matched cross-sectional study in rural Bangladesh

2020· article· en· W3116856123 sur OpenAlexafffund
Thomas de Hoop, Shelby Fallon, Fakir Md Yunus, Sabeth Munrat, Saira Parveen Jolly, Farzana Sehrin, Bachera Aktar, Ruhina Binta A Ghani, Joshua Sennett

Notice bibliographique

RevueJournal of Development Effectiveness · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesEuropean Social FundNational Institute for Occupational Safety and HealthNational Institute of Child Health and Human DevelopmentNorwegian Institute of Public HealthNIHR Oxford Biomedical Research CentreJapan Society for the Promotion of ScienceNational Health and Medical Research CouncilQatar National Research FundUniversity of North Carolina at Chapel HillGillings School of Public HealthCollege of Pharmacy, University of MichiganNational Institutes of HealthMedical Research CouncilAfrican Academy of SciencesSecretaría Nacional de Ciencia, Tecnología e InnovaciónNational Research University Higher School of EconomicsDeakin UniversityUniversidad de Costa RicaUniversiti Kebangsaan MalaysiaVetenskapsrådetKuwait UniversityAcademy of FinlandMax-Planck-GesellschaftUniversity College DublinPublic Health AgencyConselho Nacional de Desenvolvimento Científico e TecnológicoUniversity of GhanaQueensland GovernmentCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorCarolina Population Center, University of North Carolina at Chapel HillFonds National de la Recherche LuxembourgAutoritatea Natională pentru Cercetare StiintificăInstituto de Salud Carlos IIINational Natural Science Foundation of ChinaDepartment of Biotechnology, Ministry of Science and Technology, IndiaComunidad de MadridNational Heart Foundation of AustraliaThe Wellcome Trust DBT India AlliancePeking UniversityNational Research FoundationNational Institute for Health and Care ResearchEuropean CommissionDepartment of Science and Innovation, South AfricaNational Authority for Scientific Research and InnovationPublic Health EnglandXiamen UniversityMinisterio de Ciencia, Innovación y UniversidadesWellcome TrustMinistério da Ciência, Tecnologia e Ensino SuperiorUniversity of CalgaryBundesministerium für Bildung und ForschungBritish Heart FoundationScottish GovernmentEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentBHF Centre of Research Excellence, OxfordNational Institute of Mental HealthDanmarks GrundforskningsfondNational Aeronautics and Space AdministrationNational Institute on AgingAlexander von Humboldt-StiftungFundação para a Ciência e a TecnologiaBill and Melinda Gates FoundationYale UniversityUnited Nations Population FundUnited States Agency for International DevelopmentPublic Health Agency of CanadaBloomberg PhilanthropiesHealth Research Council of New ZealandUniversity of New South WalesMinistero della SaluteQueensland HealthChina Medical UniversityUniversity of Michigan
Mots-clésBeneficiaryWastingDietary diversityEnvironmental healthMedicineCross-sectional studyNutrition EducationSocioeconomicsGerontologyGeographyAgriculturePolitical scienceEconomicsFood security

Résumé

récupéré en direct d'OpenAlex

BRAC Bangladesh trains community health workers to communicate about nutrition in its Maternal, Newborn and Child Health programme. We estimate the programme’s impact on nutrition outcomes among rural Bangladeshi children of two years and younger. We find positive effects on dietary diversity, and show that the programme reduces stunting with 7 percentage points using data from 1600 households in 40 beneficiary mouzas and 40 comparison mouzas. We find larger effects for households where primary caregivers have finished primary school. We did not find effects on wasting, which in contrast to stunting is higher among children with primary caregivers without education.

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)0,012
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,313
Écart entre enseignants0,292 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Development EffectivenessMême sujetChild Nutrition and Water AccessTravaux en français237 207