Stunting, age at school entry and academic performance in developing countries: A systematic review and meta‐analysis
Notice bibliographique
Résumé
AIM: To review evidence of the effects of stunting, or height-for-age, on schooling level and schooling trajectories, defined as the combination of school entry age, grade repetition and dropouts. METHODS: We conducted a systematic review of studies (last update 20 March 2021) that assessed the association between stunting, or height-for-age, and at least one component of school trajectory using five databases (PubMed, Embase, Education Resources Information Center [ERIC], Web of Science and PsycINFO). Two independent reviewers performed study selection and data extraction. Pooled effects were calculated using the generic inverse variance weighting random-effect model. The risk of bias was assessed using the ROBINS-I tool (PROSPERO ID: CRD42020198346). RESULTS: We screened 3944 articles, and 16 were eligible for the qualitative and quantitative syntheses. Meta-analysis showed that an increase in height-for-age leads to an increase in early enrolment [OR = 1.34 (95% CI, 1.07-1.67)], a reduction in late enrolment [OR = 0.63 (95% CI, 0.51-0.78)], an increase in schooling level [MD = 0.24 (95% CI, 0.14-0.34)] and a reduction in school overage [OR = 0.79 (95% CI, 0.70-0.90)]. Stunted children were more likely to repeat a grade than non-stunted [OR = 1.59 (95% CI, 1.18-2.14)]. CONCLUSION: This review suggests that stunting in childhood might negatively affect school trajectories. Future research should evaluate the effect of stunting on school trajectories and the modification effect of socioeconomic status.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».