Delivery Strategies Supporting School-Age Child Health: A Systematic Review
Notice bibliographique
Résumé
CONTEXT: School-aged children (SAC; 5-9 years) remain understudied in global efforts to examine intervention effectiveness and scale up evidence-based interventions. OBJECTIVE: This review summarizes the available evidence describing the effectiveness of key strategies to deliver school-age interventions. DATA SOURCES: We searched Medline, PsycINFO, Campbell Collaboration, and The Cochrane Library during November 2020. STUDY SELECTION: Systematic reviews and meta-analyses that: target SAC, examine effective delivery of well-established interventions, focus on low- and middle-income countries (LMICs), were published after 2010, and focus on generalizable, rather than special, populations. DATA EXTRACTION: Two reviewers conducted title and abstract screening, full-text screening, data extraction, and quality assessments. RESULTS: Sixty reviews met the selection criteria, with 35 containing evidence from LMICs. The outcomes assessed and the reported effectiveness of interventions varied within and across delivery strategies. Overall, community, school, and financial strategies improved several child health outcomes. The greatest evidence was found for the use of community-based interventions to improve infectious disease outcomes, such as malaria control and prevention. School-based interventions improved child development and infectious disease-related outcomes. Financial strategies improved school enrollment, food security, and dietary diversity. LIMITATIONS: Relatively few LMIC studies examined facility, digital, and self-management strategies. Additionally, we found considerable heterogeneity within and across delivery strategies and review authors reported methodological limitations within the studies. CONCLUSIONS: Despite limited research, available information suggests community-based strategies can be effective for the introduction of a range of interventions to support healthy growth and development in SAC. These also have the potential to reduce disparities and reach at-risk and marginalized populations.
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 | 0,010 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| 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 | 0,001 |
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 ».