Patterns in child stunting by age: A cross‐sectional study of 94 low‐ and middle‐income countries
Notice bibliographique
Résumé
Child stunting prevalence is primarily used as an indicator of impeded physical growth due to undernutrition and infections, which also increases the risk of mortality, morbidity and cognitive problems, particularly when occurring during the 1000 days from conception to age 2 years. This paper estimated the relationship between stunting prevalence and age for children 0-59 months old in 94 low- and middle-income countries. The overall stunting prevalence was 32%. We found higher stunting prevalence among older children until around 28 months of age-presumably from longer exposure times and accumulation of adverse exposures to undernutrition and infections. In most countries, the stunting prevalence was lower for older children after around 28 months-presumably mostly due to further adverse exposures being less detrimental for older children, and catch-up growth. The age for which stunting prevalence was the highest was fairly consistent across countries. Stunting prevalence and gradient of the rise in stunting prevalence by age varied across world regions, countries, living standards and sex. Poorer countries and households had a higher prevalence at all ages and a sharper positive age gradient before age 2. Boys had higher stunting prevalence but had peak stunting prevalence at lower ages than girls. Stunting prevalence was similar for boys and girls after around age 45 months. These results suggest that programmes to prevent undernutrition and infections should focus on younger children to optimise impact in reducing stunting prevalence. Importantly, however, since some catch-up growth may be achieved after age 2, screening around this time can be beneficial.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».