MétaCan
Menu
Retour à la cohorte
Enregistrement W3123960532 · doi:10.22004/ag.econ.16436

LONG-TERM CONSEQUENCES OF EARLY CHILDHOOD MALNUTRITION

2003· preprint· en· W3123960532 sur OpenAlexfundno aff
Harold Alderman, John Hoddinott, Bill Kinsey

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2003
Typepreprint
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesOverseas Development InstituteDalhousie UniversityNuffield FoundationInternational Fine Particle Research InstituteUNICEFDepartment for International DevelopmentWorld Bank Group
Mots-clésMalnutritionHuman capitalTerm (time)Instrumental variableEarly childhoodPanel dataDemographyPsychologyGeographyDemographic economicsDevelopmental psychologyEconomicsEconomic growthEconometricsSociology

Résumé

récupéré en direct d'OpenAlex

This paper examines the impact of preschool malnutrition on subsequent human capital formation in rural Zimbabwe using a maternal fixed effects-instrumental variables (MFE-IV) estimator with a long-term panel data set. Representations of civil war and drought "shocks" are used to identify differences in preschool nutritional status across siblings. Improvements in height-for-age in preschoolers are associated with increased height as a young adult and number of grades of schooling completed. Had the median preschool child in this sample had the stature of a median child in a developed country, by adolescence, she would be 4.6 centimeters taller and would have completed an additional 0.7 grades of schooling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,073
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,267
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

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

Citations116
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetChild Nutrition and Water AccessTravaux en français237 207