Successful delivery of nutrition programs and the sustainable development goals
Notice bibliographique
Résumé
Malnutrition affects millions of people globally, especially women, children, and other vulnerable populations. Sustainable Development Goals (SDGs) were set in 2015 to end poverty, protect the planet, and improve the lives and prospects of everyone by 2030. To achieve the SDG goals effective nutrition interventions and programs need to be efficiently delivered to those most in need. Nutrition directly affects 2 SDGs (2 and 3) and indirectly influences five others. In addition, almost all SDGs influence nutrition and thus attaining the SDG goals is also a pre-requisite to achieving the Global Nutrition targets set in 2012. Evidence-based nutrition interventions, for which there is strong evidence of their biological impact, have the potential to directly influence SDGs 2 and 3 if successfully delivered at scale in high-burden countries. Nevertheless, delivery of nutrition programs is a complex process, where policy, government commitment, adequate budget allocation, supplies and delivery systems, training of service providers, informed beneficiaries and program monitoring and evaluation all need to be in place and aligned with each other. Although in the past decade there has been progress in the SDGs that nutrition directly affects, many goals are still off-track, likely due to several pending gaps at policy-level, program-level, and intervention-level. To accelerate the progress toward reaching the SDG goals that are directly influenced by nutrition, countries need to be supported to successfully and sustainably deliver proven interventions and to scale-up and deliver new interventions in new and innovative ways, and the evidence base should be built in promising areas especially integrating (rather than prioritizing over each other) nutrition-specific and sensitive approaches.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».