Scaled-Up Nutrition Education on Pulse-Cereal Complementary Food Practice in Ethiopia: A Cluster-Randomized Trial
Notice bibliographique
Résumé
Abstract Background: Improving children's weight status through nutrition education (NE) for mothers about using pulses in complementary feeding has been demonstrated in pilot studies, but no effect on stunting was reported. The aim of the study was to assess the impact of a 9-month pulse-nutrition education program on improving mothers' knowledge, attitude, and practices (KAP) towards pulses, as well as its effect on children's diet diversity, and nutritional status. The NE was delivered by Health Extension Workers (HEWs). Methods: A cluster randomized study was employed for the community-based interventional study. Twelve randomly selected villages in Sidama Zone, Southern Ethiopia were included in the study. A total of 772 mother-child pairs involved in the study; where 386 mother-child pairs in the intervention group received additional messages about pulse-cereal complementary food, and 386 pairs (the control) received only routine health education for 9 months. A survey on mothers’ KAP and anthropometric measurements of the children were taken at baseline, midline, and endline. ANOVA and descriptive statistics were used to analyzed data. Results: At baseline and endline, maternal KAP and the dietary diversity score of the children (mean age at endline 18.8 ± 2.9 mo) were assessed. Intervention mothers’ KAP improved (p<0.001) at midline and endline compared to that of the control group, as did frequency of pulse consumption and Dietary Diversity Score (DDS) among children. At 9 months, the prevalence of stunting, wasting, and underweight was significantly reduced in the intervention group compared to the control group (p=0.001). Conclusions: NE delivered by HEWs improved KAP of mothers regarding pulse consumption and dietary diversity of children led to improved nutritional status of the children. Training HEWs on the use of pulses for complementary food may be an effective way to improve the health of children in Ethiopian communities. Trial Registration: Clinicaltrials.gov #NCT02638571
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».