The Effects of Precipitation and Temperature on Birth Weight: A Cross-Sectional Study from the Republic of Benin
Notice bibliographique
Résumé
Climate change, particularly changes in temperature and precipitation, prevents the improvement of maternal and neonatal health (MNH) in low-and middle-income countries (LMICs). Pregnant women and newborns in LMICs are considered the most vulnerable to adverse climate conditions, including extreme heat, floods, and droughts. This study examined the effects of precipitation and temperature on birth weight in the Republic of Benin, emphasizing climatic differences between the southern and northern regions. As a cross-sectional study, we pooled four rounds of Benin Demographic and Health Survey (BDHS) data, identifying 19 646 live births. We investigated the effects of precipitation and temperature on birth weight and the likelihood of low birth weight (LBW) newborns using multivariate multilevel linear and logistic regression models. We found that the average precipitation amount during the nine months before birth was positively correlated with higher birth weight in the south and was associated with a lower likelihood of LBW in the north. During the nine months before birth, a heat wave reduced birth weight by 57.0 g in the north. Furthermore, women and newborns in the north were more susceptible to precipitation and temperature, possibly due to food insecurity. Evaluating the MNH consequences of climate change is imperative for many developing countries facing severe climate change threats. Our findings provide an essential benchmark for future policies in Benin.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».