Dietary Diversity among Children Aged 6-23 Months in Bangladesh: Determinants and Inequalities
Notice bibliographique
Résumé
Inadequate dietary intake is one of the causes of childhood undernutrition and associated morbidity and mortality in many low and middle-income countries, including Bangladesh. The study aims to identify the prevalence, associated factors, and socio-economic inequalities in minimum dietary diversity, minimum meal frequency, and minimum acceptable diet among 6-23 month-children in Bangladesh. This study uses data from the latest round of the Bangladesh Demographic and Health Survey (BDHS) 2017-18. Descriptive analyses have been conducted to report frequencies and percentages of the socio-demographic and economic characteristics of 6-23 months aged children. Bivariate and multiple logistic models are used to identify the predictors of each dietary indicator. In addition, we estimate concentration indices and use Wagstaff-based decomposition analysis to identify socio-economic inequalities in dietary diversity and their contributing factors. The study finds the prevalence of minimum dietary diversity, minimum meal frequency, and minimum acceptable diet as 38%, 81%, and 36%, respectively. Education of mothers is a significant predictor of all three dietary indicators. In addition, household wealth status and administrative division are significant predictors of minimum dietary diversity and minimum acceptable diet. Children of working mothers are found to have higher odds of having minimum meal frequency and minimum acceptable diet compared to their counterparts. We find concentration indices for minimum dietary diversity as 0.21 (p<0.001), for minimum meal frequency as 0.08 (p<0.05), and for minimum acceptable diet as 0.19 (p<0.001). Wealth status of household, mother’s and father’s education levels, and exposure to mass media are the major contributing factors to these inequalities. Therefore, policymakers and other stakeholders need to give prior attention to enhancing household wealth status, empowering women, and awareness-raising initiatives to improve the feeding practices of children in Bangladesh.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».