Large gains in schooling and income are possible from minimizing adverse birth outcomes in 121 low- and middle-income countries: A modelling study
Notice bibliographique
Résumé
While the global contributions of adverse birth outcomes to child morbidity and mortality is relatively well documented, the potential long-term schooling and economic consequences of adverse birth outcomes has not been estimated. We sought to quantify the potential schooling and lifetime income gains associated with reducing the excess prevalence of adverse birth outcomes in 121 low- and middle-income countries. We used a linear deterministic model to estimate the potential gains in schooling and lifetime income that may be achieved by attaining theoretical minimum prevalence of low birthweight, preterm birth and small-for-gestational age births at the national, regional, and global levels. We estimated that potential total gains across the 121 countries from reducing low birthweight to the theoretical minimum were 20.3 million school years (95% CI: 6.0,34.8) and US$ 68.8 billion (95% CI: 20.3,117.9) in lifetime income gains per birth cohort. As for preterm birth, we estimated gains of 9.8 million school years (95% CI: 1.5,18.4) and US$ 41.9 billion (95% CI: 6.1,80.9) in lifetime income. The potential gains from small-for-gestational age were 39.5 million (95% CI: 19.1,60.3) school years and US$113.6 billion (95% CI: 55.5,174.2) in lifetime income gained. In summary, reducing the excess prevalence of low birthweight, preterm birth or small-for-gestational age births in low- and middle-income countries may lead to substantial long-term human capital gains in addition to benefits on child mortality, growth, and development as well as on risk of non-communicable diseases in adults and other consequences across the life course.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».