MétaCan
Menu
Retour à la cohorte
Enregistrement W3194515655 · doi:10.1371/journal.pone.0256235

Poverty and childhood malnutrition: Evidence-based on a nationally representative survey of Bangladesh

2021· article· en· W3194515655 sur OpenAlexaff
Md. Ashfikur Rahman, Henry Ratul Halder, Md. Sazedur Rahman, Mahmood Parvez

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésWastingMalnutritionUnderweightPovertyEnvironmental healthMedicineChild mortalityMalnutrition in childrenBody mass indexDemographyOverweightPopulationEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Malnutrition contributes to children's morbidity and mortality, and the situation undermines the economic growth and development of Bangladesh. Malnutrition is associated with lower levels of education that decrease economic productivity and leads to poverty. The global burden of malnutrition continues to be unacceptably high amid social and economic growth, including in Bangladesh. Therefore, identifying the factors associated with childhood malnutrition and poverty is necessary to stop the vicious cycle of malnutrition leaded poverty. METHODS: The study utilized the 2017-18 Bangladesh Demographic and Health Survey (BDHS), accumulating 7,738 mother-child pairs. Associations between potential risk factors and nutritional status were determined using chi-square tests, and multivariate logistic regression models were utilized on significant risk factors to measure their odds ratio (OR) with their 95% confidence intervals (CI). RESULTS: The prevalence of moderate and severe wasting was 7.0% and 1.8%, respectively, whereas the prevalence of moderate and severe stunting was 19.2% and 8.0%, while 16.4% and 3.6% of children were moderately and severely underweight. Children from the poorest and poor households were suffering from at least one form of malnutrition. Adjusted ORs were estimated by controlling socio-economic and demographic risk factors, such as poor maternal body mass index, parents' lower education level, use of unhygienic toilet, child age in months, and recent experience of diarrhea and fever. The pattern was almost similar for each malnutrition status (i.e., stunting, underweight, and wasting) in the poorest and poor households. CONCLUSION: Bangladesh achieved the Millennium Development Goals, focusing primarily on health-related indicators and working to achieve the Sustainable Development Goals. Even considering this success, the prevalence of malnutrition and poverty in same household remains relatively high compared to other developing countries. Therefore, the study recommends the implementation of nationwide systematic measures to prevent poverty and 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,289
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetChild Nutrition and Water AccessTravaux en français237 207