MétaCan
Menu
Retour à la cohorte
Enregistrement W3123990796 · doi:10.1093/jae/ejaa018

Incomes and Child Health in Sub-Saharan Africa, 1990–2018

2021· article· en· W3123990796 sur OpenAlexaff
Louise Grogan, Luc Moers

Notice bibliographique

RevueJournal of African Economies · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEconomicsCounterfactual thinkingUnderweightMalnutritionChild mortalityAgricultureValue (mathematics)Instrumental variableInfant mortalityWorld Development IndicatorsRevenueDeveloping countryDemographic economicsEconomic growthGeographyEconometricsMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates the relationship between real incomes in Sub-Saharan African countries during 1990–2018 and child wellbeing. A new UNICEF-WHO-World Bank database of child growth and malnutrition and annual measures of child mortality from the World Development Indicators are employed. Changes in real incomes are related to changes in these measures. Real incomes are found to be strongly negatively conditionally associated with stunting, underweight and child mortality. The fraction of each country’s export revenue derived from major non-agricultural export commodities in 1990 is then used to construct a counterfactual value of export revenues. This measure is used to predict real incomes in a country in a year. The impact of incomes on child mortality outcomes is then assessed. Instrumental variables results suggest that improved incomes may have causally reduced neonatal and under-five mortality.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African EconomiesMême sujetChild Nutrition and Water AccessTravaux en français237 207