Are sub-Saharan African national food and agriculture policies nutrition-sensitive? A case study of Ethiopia, Ghana, Malawi, Nigeria, and South Africa
Notice bibliographique
Résumé
Abstract Background In sub-Saharan Africa (SSA), malnutrition coupled with rising rates of undernutrition and the burden of overweight/obesity remains one of the most significant public health challenges facing the region. Nutrition-sensitive agriculture can play an important role in reducing malnutrition by addressing the underlying causes of nutrition outcomes. Therefore, we aim to assess the nutrition-sensitivity of food and agriculture policies in SSA and to provide recommendations for identified policy challenges in implementing nutrition-sensitive agriculture initiatives. Methods We assessed past and current national policies relevant to agriculture and nutrition from Ethiopia, Ghana, Malawi, Nigeria, and South Africa. Thirty policies and strategies were identified and reviewed after a literature scan that included journal articles, reports, and policy documents on food and agriculture. The policies and strategies were reviewed against FAO’s Key Recommendations for Improving Nutrition Through Agriculture and Food Systems guidelines. Results Through the review of 30 policy documents, we found that the link between agriculture and nutrition remains weak, particularly in agriculture policies. The review of the policies highlighted insufficient attention to nutrition and the production of micronutrient-rich foods, lack of strategies to increase farmer market access, and weak multi-sectoral collaboration and capacity building. Conclusion Nutrition-sensitive agriculture has received scant attention in previous agricultural and food policies in SSA that were riddled with implementation issues, lack of capacity, and ineffective methods for multi-sector collaboration. Recognition of these challenges are leading countries to revise and create new policies that prioritize nutrition-sensitive agriculture as a key driver in overcoming malnutrition.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».