Research priorities for nutrition of school-aged children and adolescents in low- and middle-income countries
Notice bibliographique
Résumé
PURPOSE: A lack of data, intervention studies, policies, and targets for nutrition in school-age children (SAC) and adolescents (5-19 years) is hampering progress towards tackling malnutrition. To stimulate and guide further research, this study generated a list of research priorities. METHODS: Using the Child Health and Nutrition Research Initiative (CHNRI) method, a list of 48 research questions was compiled and questions were scored against defined criteria using a stakeholder survey. Questions covered all forms of malnutrition, including micronutrient deficiencies, thinness, stunting, overweight/obesity, and suboptimal dietary quality. The context was defined as research focused on SAC and adolescents, 5 to 19 years old, in low-and middle-income countries, that could achieve measurable results in reducing the prevalence of malnutrition in the next 10 years. RESULTS: Between 85 and 101 stakeholders responded per question. Respondents covered a broad geographical distribution across 38 countries, with the largest proportion focusing on work in East and Southern Africa. Of the research questions ranked in the top ten, half focused on delivery strategies for reaching adolescents and half on improving existing interventions. There were few differences in the ranked order of questions between age groups but those related to in-school children and adolescents had higher expert agreement than those for out-of-school adolescents. The top ranked research question focused on tailoring antenatal and postnatal care for pregnant adolescent girls. CONCLUSION: Nutrition programmes should incorporate implementation research to inform delivery of effective interventions to this age group, starting in schools. Academic research on the development and tailoring of existing nutrition interventions is also needed; specifically, on how to package multisectoral programmes and how to better reach vulnerable and underserved sub- groups, including those out of school.
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 | 0,030 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».