Changes in Child Undernutrition and Overweight in India From 2006 to 2021: An Ecological Analysis of 36 States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: We evaluated changes in priority indicators of child growth from 2006 to 2021 and examined the role of human development measures in these changes. METHODS: We estimated cumulative and annualized changes in state- and district-level child growth indicators using 3 rounds of National Family Health Surveys (2005-2006, 2015-2016, 2019-2021) in 36 states. Outcomes included stunting, underweight, wasting, and overweight. Human development was measured using a principal components analysis of 9 ecological indicators. We contrasted expected versus observed changes in district-level growth outcomes between 2016 and 2021 based on changes in development indicators using 2-way Blinder Oaxaca decomposition. RESULTS: From 2006 to 2021, the prevalence of stunting, underweight, and wasting decreased by 12.3, 10.3, and 0.7 percentage points, respectively, while the prevalence of overweight increased by 1.9 percentage points. The annualized rate of within-state change for stunting was lower from 2016 to 2021 compared with the 2006 to 2016 period, while the rate of change in overweight was higher. Simultaneously, all 9 human development indicators improved between 2006 and 2021. A unit increase between 2016 and 2021 in the human development score predicted a -5.1 percentage point (95% confidence interval=-5.8, -4.4) change in stunting, yet observed stunting declined by just -2.5 percentage points. CONCLUSIONS: From 2016 to 2021, population-level reduction in child stunting has slowed and the rise in child overweight has accelerated, relative to the 10 years preceding this period.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle