MétaCan
Menu
Retour à la cohorte
Enregistrement W4311044367 · doi:10.21203/rs.3.rs-2311554/v1

Food inflation and child undernutrition in low and middle income countries

2022· preprint· en· W4311044367 sur OpenAlexfundno aff
Derek Headey, Marie T. Ruel

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaBill and Melinda Gates Foundation
Mots-clésWastingFood pricesMalnutritionFood securityEconomicsPsychological interventionEnvironmental healthInflation (cosmology)MedicineGeographyAgricultureEconomic growthEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract The 21 st Century has been marked by increased volatility in food prices, with global price spikes in 2007-08, 2010-11, and again in 2021-22. The impact of food inflation on the risk of child undernutrition is not well understood, however. This study explores the potential impacts of food inflation on wasting and stunting among 1.27 million pre-school children from 44 developing countries. On average, a 5 percent increase in the real price of food increases the risk of wasting by 9 percent and severe wasting by 14 percent. These risks apply to young infants, suggesting a prenatal pathway, as well as to older children who typically experience a deterioration in diet quality in the wake of food inflation. Male children and children from poor and rural landless households are more severely impacted. Food inflation during pregnancy and the first year after birth also increases the risk of stunting for children 2-5 years of age. This evidence provides a strong rationale for interventions to prevent food inflation and mitigate its impacts on vulnerable children and their mothers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,887

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,356
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetChild Nutrition and Water AccessTravaux en français237 207