Complementary and alternative metrics for tracking population-level trends in child linear growth
Notice bibliographique
Résumé
Stunting prevalence is commonly used to track population-level child nutritional status. However, other metrics derived from anthropometric datasets may be used as alternatives to stunting or provide complementary perspectives on the status of linear growth faltering in low- and middle-income countries (LMICs). Data from 156 Demographic and Health Surveys in 63 LMICs (years 2000 to 2020) were used to generate 2 types of linear growth metrics: (i) measures of location of height distributions (including stunting) for under-5 years (<5y) and 2 to 5 years (2-5y); (ii) model-derived metrics including predicted mean height-for-age z-score (HAZ) at 0, 2, and 5 years; interval slopes of HAZ, height-for-age difference (HAD), and growth delay (GD) from 1 month to 2 years (1mo-2y) and 2-5y; and the SITAR intensity parameter (SITAR-IP) for <5y. Using Spearman's rank correlation coefficient (r), metrics were considered alternatives to stunting if very strongly correlated with stunting (|r|≥0.95) and at least as strongly correlated as stunting with selected population indicators (under 5y mortality, gross domestic product, maternal education). Metrics were considered complementary if less strongly correlated with stunting (|r|<0.95) yet correlated with population indicators. We identified 6 of 15 candidate metrics (stunting 2-5y, mean HAZ <5y and 2-5y, p25 HAZ <5y and 2-5y, predicted HAZ at 2y) as potential alternatives to stunting and 6 as complementary metrics (SITAR-IP, predicted HAZ at 5y, HAZ slope 1m-2y, HAD slope 1m-2y, GD slopes 1m-2y and 2-5y). Three metrics (HAZ slope 2-5y, HAD slope 2-5y years and predicted HAZ at birth) had weak correlations with population indicators (|r| ≤ 0.43). In conclusion, several linear growth metrics could serve as alternatives to stunting prevalence and others may be complementary to stunting in tracking global progress in child health and nutrition. Further research is needed to explore the real-world utility of these alternative and complementary metrics.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».