The Effect of Feeding Patterns and History of Infectious Diseases on the Incidence of Stunting in Children Under Five in the Province of East Nusa Tenggara
Notice bibliographique
Résumé
BACKGROUND: The prevalence of stunting of children under five years old (toddlers) in East Nusa Tenggara (NTT) reached 40.3 percent, the highest when compared to other provinces in Indonesia. This figure is above the National stunting prevalence of 29.6 percent. The prevalence of stunting in NTT consists of infants with a very short category of 18 percent and a short category of 22.3 percent. The purpose of the study was to analyze the influence of feeding patterns and a history of infectious diseases on stunting. METHOD: This type of research is quantitative with a case-control study design, located in Kupang Regency and South Central Timor Regency in 2020. The sample of this study was 150 children under five consisting of 75 children under five who were stunted and 75 children under five were not stunted as a control and a simple random sample development technique. The method of collecting data is through measuring the height and weight of children under five and conducting interviews with parents of toddlers using a questionnaire and analyzing it by Chi-Square. RESULTS AND CONCLUSION: The results showed that there was an influence of food feeding patterns (pattern of menu preparation, food processing, food presentation, and how to feed) and a history of infectious diseases (Ari and diarrhea) on the incidence of Stunting in children under five in East Nusa Tenggara province.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».