Impact of Conditional Transfer Programs in Panama on Food and Nutrient Intakes and Anthropometric Status of Ngabe Preschool Children
Notice bibliographique
Résumé
Conditional cash transfer (CT) and food voucher (FV) programs aim to improve child nutritional status. Our goals were: (1) to describe food group and macro‐ and micronutrient intakes of 315 Ngabe preschool children whose families participated in either a CT or a FV program and (2) to determine which foods or nutrients were associated with higher HAZ scores. We collected 3–4 24‐hr dietary recalls over 16 mo along with HAZ and measured chronicity of protozoan infection and GI nematode burden. Nutrient and food group predictors of HAZ were identified using multiple linear regression while controlling for household assets, infections and program participation. The uniformly inadequate intakes for macro‐ and micronutrients differed by program participation. Stunted children from the CT program had higher intakes of energy and carbohydrate (bread, chips/crackers, juice crystals). In contrast stunted children from the FV program had lower intakes of protein and fat. Multiple linear regression models revealed that meat, bread and juice crystals but not sweets increased HAZ in the FV region. In the CT region, pasta and corn products were positive predictors but root vegetables and green bananas were negative predictors of HAZ. However, models that included infections captured more variability (29% vs 5%) suggesting that HAZ is influenced not only by diet but also by infection. (Funding: SENACYT – Panama and IDRC – Canada)
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».