Multilevel Analysis of Determinants of Stunting Prevalence among Children under Age Five in Ethiopia
Notice bibliographique
Résumé
Background: Stunting is a well-established child health indicator of chronic malnutrition related to environmental and socio-economic circumstances. In Ethiopia, childhood stunting is the most widely prevalent among children under the age of five years. Objective: To estimate the prevalence of stunting and model the determinants of stunting prevalence among children under age five in Ethiopia. Methods: Data were extracted from 2016 EDHS, and samples of 8487 children under age five were used in this study. The sample was selected using a two-stage stratified sampling process, and a multilevel logistic regression model was used to determine the factors associated with childhood stunting in Ethiopia. Results: This study revealed that the prevalence of stunting among children under age five years in Ethiopia was around 39.39%. The multilevel binary logistic regression analysis was performed to investigate the variation of predictor variables of stunting prevalence among children under age five. Accordingly, it has been identified that the ages of the child above 12 months, male gender, children from poor households, and no mother education significantly affect the prevalence of stunting in Ethiopia. It is found that variances related to the random term were statistically significant, implying a variation in the prevalence of stunting across Ethiopia's regional states. Conclusion: The current study confirmed that the prevalence of stunting among children under aged five years in Ethiopia was a severe public health problem. Therefore, governmental or stakeholders should pay attention to all the significant factors mentioned in this study's analysis.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».