Neurodevelopmental effects of childhood malnutrition: A neuroimaging perspective
Notice bibliographique
Résumé
Approximately one in five children worldwide suffers from childhood malnutrition and its complications, including increased susceptibility to inflammation and infectious diseases. Due to improved early interventions, most of these children now survive early malnutrition, even in low-resource settings (LRS). However, many continue to exhibit neurodevelopmental deficits, including low IQ, poor school performance, and behavioral problems over their lifetimes. Most studies have relied on neuropsychological tests, school performance, and mental health and behavioral measures. Few studies, in contrast, have assessed brain structure and function, and to date, these have mainly relied on low-cost techniques, including electroencephalography (EEG) and evoked potentials (ERP). The use of more advanced methods of neuroimaging, including magnetic resonance imaging (MRI) and functional near-infrared spectroscopy (fNIRS), has been limited by cost factors and lack of availability of these technologies in developing countries, where malnutrition is nearly ubiquitous. This report summarizes the current state of knowledge and evidence gaps regarding childhood malnutrition and the study of its impact on neurodevelopment. It may help to inform the development of new strategies to improve the identification, classification, and treatment of neurodevelopmental disabilities in underserved populations at the highest risk for childhood malnutrition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».