Measuring the Overall Burden of Early Childhood Malnutrition in Ghana: A Comparison of Estimates from Multiple Data Sources
Notice bibliographique
Résumé
BACKGROUND: Childhood malnutrition contributes to nearly half (45%) of all deaths among children under 5 globally. The United Nations' Sustainable Development Goals (SDGs) aims to end all forms of malnutrition by 2030; however, measuring progress towards these goals is challenging, particularly in countries with emerging economies where nationally-representative data are limited. The primary objective of this study was to estimate the overall burden of childhood malnutrition in Ghana at national and regional levels using 3 data sources. METHODS: Using data from the long-standing Ghana Demographic and Health Surveys (GDHS), Ghana Multiple Indicator Cluster Survey (GMICS), and the emerging Ghana Socioeconomic Panel Survey (GSPS), we compared the prevalence of malnutrition using the extended composite index of anthropometric failure (eCIAF) for the period 2008- 2011. This study included data for children aged 6-59 months and calculated all anthropometric z-scores based on the World Health Organization (WHO) Growth Standards. We tested for differences in malnutrition subtypes using two-group configural frequency analysis (CFA). RESULTS: <.001). Based on the eCIAF, the overall prevalence of malnutrition at the national level was higher among children in the GSPS (57.3%, 95% CI: 53.9%-60.6%), followed by the GDHS (39.7%, 95% CI: 37.0%-42.5%), and then those in the GMICS (31.2%, 95% CI: 29.3%-33.1%). The two-group CFA showed that the 3 data sources also estimated different prevalence rates for most of the malnutrition subtypes included in the eCIAF. CONCLUSION: Depending on the data source adopted, our estimates of eCIAF showed that between one-third and half of all Ghanaian children aged 6-59 months had at least one form of malnutrition over the period 2008-2011. These eCIAF estimates should complement the commonly reported measures such as stunting and wasting when interpreting the severity of malnutrition in the country to inform policy decisions.
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 | 0,012 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».