MétaCan
Menu
Retour à la cohorte
Enregistrement W4386707774 · doi:10.1038/s41586-023-06418-5

Early-childhood linear growth faltering in low- and middle-income countries

2023· article· en· W4386707774 sur OpenAlexaff
Jade Benjamin‐Chung, Andrew Mertens, John M. Colford, Alan Hubbard, Mark J. van der Laan, Jeremy Coyle, Oleg Sofrygin, Weixin Cai, Anna Nguyen, Nolan N. Pokpongkiat, Stephanie Djajadi, Anmol Seth, Wendy Jilek, Esther Jung, Esther O. Chung, Sonali Rosete, Nima S. Hejazi, Ivana Malenica, Haodong Li, Ryan Hafen, Vishak Subramoney, Jonas Häggström, Thea Norman, Kenneth H. Brown, Parul Christian, Benjamin F. Arnold, Souheila Abbeddou, Linda S. Adair, Tahmeed Ahmed, Asad Ali, Hasmot Ali, Per Ashorn, Rajiv Bahl, Maurício L. Barreto, France Bégin, Pascal Bessong, Maharaj Kishan Bhan, Nita Bhandari, Santosh K. Bhargava, Zulfiqar A Bhutta, Robert E. Black, Ladaporn Bodhidatta, Delia B. Carba, Inés González-Casanova, William Checkley, Jean E. Crabtree, Kathryn G. Dewey, Christopher Duggan, Caroline Fall, Abu Syed Golam Faruque, Wafaie Fawzi, José Quirino da Silva Filho, Robert H. Gilman, Richard L. Guerrant, Rashidul Haque, Sonja Y. Hess, Eric R. Houpt, Jean H. Humphrey, Najeeha Talat Iqbal, Elizabeth Yakes Jimenez, Jacob John, Sushil Matthew John, Gagandeep Kang, Margaret Kosek, Michael S. Kramer, Alain Labrique, Sang Lee, Aldo Â. M. Lima, Mustafa Mahfuz, Tjale Cloupas Mahopo, Kenneth Maleta, Dharma Manandhar, Karim Manji, Reynaldo Martorell, Sarmila Mazumder, Estomih Mduma, Venkata Raghava Mohan, Sophie E. Moore, Ishita Mostafa, Robert Ntozini, Mzwakhe Emanuel Nyathi, Maribel Paredes Olórtegui, William A. Petri, Prasanna Samuel, Andrew M. Prentice, Najeeb Rahman, Harshpal Singh Sachdev, Kamran Sadiq, Rajiv Sarkar, Naomi Saville, Saijuddin Shaikh, Bhim P. Shrestha, Sanjaya K. Shrestha, Alberto M. Soares, Bakary Sonko, Aryeh D. Stein, Erling Svensen, Sana Syed, Fayaz Umrani, Honorine Ward, Keith P. West, Lee Wu, Seungmi Yang

Notice bibliographique

RevueNature · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteMedical Research CouncilBill and Melinda Gates Foundation
Mots-clésLinear growthLow and middle income countriesLow incomeEconomicsDemographic economicsDeveloping countryEconomic growthMathematics

Résumé

récupéré en direct d'OpenAlex

. Stunting, a form of linear growth faltering, increases the risk of illness, impaired cognitive development and mortality. Global stunting estimates rely on cross-sectional surveys, which cannot provide direct information about the timing of onset or persistence of growth faltering-a key consideration for defining critical windows to deliver preventive interventions. Here we completed a pooled analysis of longitudinal studies in low- and middle-income countries (n = 32 cohorts, 52,640 children, ages 0-24 months), allowing us to identify the typical age of onset of linear growth faltering and to investigate recurrent faltering in early life. The highest incidence of stunting onset occurred from birth to the age of 3 months, with substantially higher stunting at birth in South Asia. From 0 to 15 months, stunting reversal was rare; children who reversed their stunting status frequently relapsed, and relapse rates were substantially higher among children born stunted. Early onset and low reversal rates suggest that improving children's linear growth will require life course interventions for women of childbearing age and a greater emphasis on interventions for children under 6 months of age.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,254
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNatureMême sujetChild Nutrition and Water AccessTravaux en français237 207