Impact of scaling up prenatal nutrition interventions on human capital outcomes in low- and middle-income countries: a modeling analysis
Notice bibliographique
Résumé
BACKGROUND: Prenatal nutrition interventions can lead to improved birth outcomes, which in turn are associated with better education and human capital outcomes later in life. OBJECTIVE: We estimated the impact of scaling up iron-folic acid (IFA), calcium, multiple micronutrient (MMS), and balanced energy protein (BEP) supplementation for pregnant women, on human capital outcomes in low- and middle-income countries (LMIC). METHODS: We used mathematical modeling with proportional reductions in adverse birth outcomes to estimate the potential gains in school years and lifetime income due to scaling up each prenatal nutrition intervention. Estimates of intervention effects on birth outcomes were derived from meta-analyses of randomized trials. Estimates of the associations between birth outcomes and schooling and lifetime income were derived from de novo meta-analyses of observational studies. RESULTS: Across 132 LMIC, scaling up prenatal nutrition interventions to 90% coverage was estimated to increase school years and lifetime income per birth cohort by: 2.28 million y (95% uncertainty intervals (UI): -0.44, 6.26) and $8.26 billion (95% UI: -1.60, 22.4) for IFA; 4.08 million y (95% UI: 0.12, 9.68) and $18.9 billion (95% UI: 0.59, 44.6) for calcium; 5.02 million y (95% UI: 1.07, 11.0) and $18.1 billion (95% UI: 3.88, 39.1) for MMS; and 0.53 million y (95% UI: -0.49, 1.70) and $1.34 billion (95% UI: -1.10, 3.10 billion) for BEP supplementation. South Asia and Sub-Saharan Africa tended to have the largest estimated regional gains in school years for scaling up each intervention due to the large population size and high burden of poor birth outcomes. Absolute income benefits for each intervention were estimated to be the largest in Latin America, where returns to education and incomes are higher relative to other regions. CONCLUSION: Increasing coverage of prenatal nutrition interventions in LMIC may lead to substantial gains in schooling and lifetime income. Decision makers should consider the potential long-term human capital returns of investments in maternal nutrition.
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 | 0,012 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,011 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».