MétaCan
Menu
Retour à la cohorte
Enregistrement W3208852375 · doi:10.1371/journal.pmed.1003838

Early childhood undernutrition, preadolescent physical growth, and cognitive achievement in India: A population-based cohort study

2021· article· en· W3208852375 sur OpenAlexaff
Apurv Soni, Nisha Fahey, Zulfiqar A Bhutta, Wenjun Li, Jean A. Frazier, Tiffany A. Moore Simas, Somashekhar Nimbalkar, Jeroan J. Allison

Notice bibliographique

RevuePLoS Medicine · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Advancing Translational SciencesNational Center for Chronic Disease Prevention and Health PromotionNational Institute on Minority Health and Health DisparitiesNational Institute of Child Health and Human DevelopmentNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésMedicinePreadolescenceAnthropometryMalnutritionDemographyBody mass indexConfidence intervalCohortCohort studyOdds ratioPopulationChild developmentPediatricsGerontologyEnvironmental healthPsychologyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a lack of nationally representative estimates for the consequences of early childhood undernutrition on preadolescent outcomes in India. Understanding this relationship is helpful to develop interventions that not only prevent child undernutrition but also mitigate its consequences. METHODS AND FINDINGS: In this cohort study, we analyzed prospectively gathered data from 2 waves of the India Human Development Survey (IHDS) to investigate the association of undernutrition during early childhood (0 to 5 years) in 2004 to 2005 with physical and cognitive outcomes during preadolescent (8 to 11 years) years in 2011 to 2012. These surveys interviewed 41,554 households across all 33 states and union territories in India in 2004 to 2005 and reinterviewed 83% of the households in 2011 to 2012. Primary exposure was assessed using the Composite Index of Anthropometric Failure (CIAF) based on 2004 to 2005 survey. Primary outcomes were short stature (height-for-age z-score [HAZ] <-2), thinness (body mass index [BMI] <18.5 kg/m2), reading, and arithmetic skills during preadolescence based on the 2011 to 2012 survey. Survey-weighted generalized linear models were used, and effect modification based on child sex and sociodemographic variables were evaluated using 3-way interaction terms. Of the 7,868 children included in this analysis, 4,334 (57.3%) were undernourished. Being undernourished was associated with increased odds of short stature (odds ratio [OR] 1.73, 95% confidence interval [CI] 1.45 to 2.06) and thinness (OR 1.52, 95% CI 1.33 to 1.73) during the preadolescent period, while it was associated with decreased odds of achieving a higher reading (cumulative odds ratio [cumOR]: 0.76, 0.66 to 0.87) and arithmetic (cumOR: 0.72, 0.63 to 0.82) outcomes. The disparity in outcomes based on CIAF increased with age, especially for female children. Increased level of female education within the household reduced the disadvantages of undernutrition among female children. Study limitations include observational and missing data, which limit our ability to draw strong causal inferences. CONCLUSIONS: In this study, we found that early child undernutrition was associated with several adverse preadolescent physical and cognitive outcomes, especially among female children. Improved female education mitigates this association. Female education promotion should assume a central role in Indian public health policy making.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,010
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,255 · 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 tête enseignante, 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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetChild Nutrition and Water AccessTravaux en français237 207