A novel development indicator based on population-average height trajectories of children aged 0–5 years modelled using 145 surveys in 64 countries, 2000–2018
Notice bibliographique
Résumé
INTRODUCTION: Children's growth status is an important measure commonly used as a proxy indicator of advancements in a country's health, human capital and economic development. We aimed to assess the feasibility of using Super-Imposition by Translation And Rotation (SITAR) models for summarising population-based cross-sectional height-by-age data of children under 5 years across 64 countries. METHODS: Using 145 publicly available Demographic and Health Surveys of children under 5 years across 64 low-income and middle-income countries from 2000 to 2018, we created a multicountry pseudo-longitudinal dataset of children's heights. RESULTS: SITAR models including two parameters (size and intensity) explained 81% of the between-survey variation in mean boys' height and 80% in mean girls' height. Size parameters for boys and girls (relative to the WHO child growth standards) were distributed non-normally around a mean of -5.2 cm for boys (range: -7.9 cm to -1.6 cm) and -4.9 cm for girls (range: -7.7 cm to -1.2 cm). Boys exhibited 10% slower linear growth compared with the WHO (range: 19.7% slower to 1.6% faster) and girls 11% slower linear growth compared with the WHO (range: 21.4% slower to 1.0% faster). Variation in the SITAR size parameter was ≥90% explained by the combination of average length within the first 60 days of birth (as a proxy for fetal growth) and intensity, regardless of sex, with much greater contribution by postnatal intensity (r≥0.89 between size and intensity). CONCLUSIONS: SITAR models with two random effects can be used to model child linear growth using multicountry pseudo-longitudinal data, and thereby provide a feasible alternative approach to summarising early childhood height trajectories based on survey data. The SITAR intensity parameter may be a novel indicator for specifically tracking progress in the determinants of postnatal growth in low-income and middle-income countries.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».