MétaCan
Menu
Retour à la cohorte
Enregistrement W3199780611

IMPLICATIONS OF NUTRITIONAL INSECURITY IN PAKISTAN

2019· article· en· W3199780611 sur OpenAlexvenueno aff
Malik Altaf Hussain, Sadia Zia

Notice bibliographique

RevueAdvanced Food and Nutritional Sciences · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood securityMalnutritionEconomic growthSafeguardingMillennium Development GoalsDevelopment economicsPopulationDeveloping countryFood insecurityInternational communityBusinessEnvironmental healthPolitical scienceGeographyMedicineEconomicsAgriculture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nutritional insecurity has evolved as a serious global problem during the last few decades. The situation got worsen during the first quarter of the 21st century after the international food cost depression. It was first scrutinized in Millennium Development Goals (MDGs) signed in September 2000 and now in 17 Sustainable Development Goals (SDGs) set by the United Nation for 2030. Nutritional security has become an important topic for scientific community and regulatory bodies. According to a report published by FAO in 2017, the number of malnourished families increased worldwide in 2016 and the developing countries host the majority of this undernourished population. Although some reports suggested that the food hygiene condition in Pakistan has improved, but still lower than other South-East Asian countries. Estimates show malnutrition, an outcome of chronic food insecurity, annually costs Pakistan almost 3 per cent of its GDP in the form of lost productivity. It is a significantly high economic loss for a developing country like Pakistan. Therefore, efforts are needed to improve nutritional security in Pakistan by safeguarding both physical and economic access to high quality food for everyone.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,107
Tête enseignante GPT0,469
Écart entre enseignants0,362 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Food and Nutritional SciencesMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207