Drivers of stunting reduction in Senegal: a country case study
Notice bibliographique
Résumé
BACKGROUND: Senegal has been an exemplar country in the West African region, reducing child stunting prevalence by 17.9% from 1992 to 2017. OBJECTIVES: In this study, we aimed to conduct a systematic in-depth assessment of factors at the national, community, household, and individual levels to determine the key enablers of Senegal's success in reducing stunting in children <5 y old between 1992/93 and 2017. METHODS: A mixed methods approach was implemented, comprising quantitative data analysis, a systematic literature review, creation of a timeline of nutrition-related programs, and qualitative interviews with national and regional stakeholders and mothers in communities. Demographic and Health Surveys and Multiple Indicator Cluster Surveys were used to explore stunting inequalities and factors related to the change in height-for-age z-score (HAZ) using difference-in-difference linear regression and the Oaxaca-Blinder decomposition method. RESULTS: Population-wide gains in average child HAZ and stunting prevalence have occurred from 1992/93 to 2017. Stunting prevalence reduction varied by geographical region and prevalence gaps were reduced slightly between wealth quintiles, maternal education groups, and urban compared with rural residence. Statistical determinants of change included improvements in maternal and newborn health (27.8%), economic improvement (19.5%), increases in parental education (14.9%), and better piped water access (8.1%). Key effective nutrition programs used a community-based approach, including the Community Nutrition Program and the Nutrition Enhancement Program. Stakeholders felt sustained political will and multisectoral collaboration along with improvements in poverty, women's education, hygiene practices, and accessibility to health services at the community level reduced the burden of stunting. CONCLUSIONS: Senegal's success in the stunting decline is largely attributed to the country's political stability, the government's prioritization of nutrition and execution of nutrition efforts using a multisectoral approach, improvements in the availability of health services and maternal education, access to piped water and sanitation facilities, and poverty reduction. Further efforts in the health, water and sanitation, and agriculture sectors will support continued success.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».