Evaluation of the child growth monitoring programme in two Zimbabwean provinces
Notice bibliographique
Résumé
BACKGROUND: The child growth monitoring (CGM) programme is an important element of nutrition programmes, and when combined with other child health programmes, it can assist in successful management and control of malnutrition in children. AIM: This study aimed to assess the extent to which the CGM programme is able to identify instances of childhood malnutrition and how much this contributes towards malnutrition reduction in Zimbabwe. SETTING: The study was conducted in Manicaland and Matabeleland South provinces of Zimbabwe. The two provinces were purposively selected for having the highest and least proportion of children affected by stunting in the country. METHODS: The CGM programme in Zimbabwe was evaluated using the logic model to assess the ability of the programme to identify growth faltering and link children to appropriate care. RESULTS: Records from 60 health facilities were reviewed. Interviews were conducted with 60 nurses, 100 village health workers (VHWs) and 850 caregivers (300 health facility exit interviews, 450 community based). Nearly all (92%) health facilities visited had functional measuring scales. Twelve health facilities (20%) had no functional height board, with five using warped height boards for measuring children's height. Less than a quarter (21%) of the children had complete records for weight for age and height for age. A large proportion of children eligible for admission for the management of moderate (83%) and severe malnutrition (84%) were missed. CONCLUSION: The CGM programme in Zimbabwe is not well equipped for assessing child height for age and management of children identified with malnutrition, thus failing to timely identify and manage childhood stunting.
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 | 0,005 | 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 ».