Population-Modifiable Risk Factors Associated With Childhood Stunting in Sub-Saharan Africa
Notice bibliographique
Résumé
Importance: Identifying modifiable risk factors associated with childhood stunting in sub-Saharan Africa (SSA) is imperative for the development of evidence-based interventions and to achieve the Sustainable Development Goals. Objective: To evaluate key modifiable risk factors associated with childhood stunting in SSA. Design, Setting, and Participants: This cross-sectional study examined the most recent (2014-2021) Demographic and Health Surveys data for children younger than 5 years from 25 SSA countries. Exposures: Modifiable risk factors included history of diarrhea within 2 weeks, consumption of dairy products, maternal body mass index, maternal educational level, antenatal care visits, place of birth, wealth index, type of toilet, and type of cooking fuel. Main Outcomes and Measures: Stunting and severe stunting, measured using the height-for-age z score, were the main outcomes. Children who scored below -2.0 SDs or -3.0 SDs were classified as having stunted or severely stunted growth, respectively. Relative risks and 95% CIs were computed using generalized linear latent and mixed models and log-binomial link functions. Population-attributable fractions (PAFs) were calculated using adjusted relative risks and prevalence estimates for key modifiable risk factors. Results: This study included 145 900 children from 25 SSA countries. The mean (SD) age of the children was 29.4 (17.3) months, and 50.6% were male. The highest PAFs of severe childhood stunting were observed for mothers lacking a formal education (PAF, 21.9%; 95% CI, 19.0%-24.8%), children lacking consumption of dairy products (PAF, 20.8%; 95% CI, 16.8%-24.9%), unclean cooking fuel (PAF, 9.5%; 95% CI, 2.6%-16.3%), home birth (PAF, 8.3%; 95% CI, 6.3%-10.0%), and low-income household (PAF, 5.8%; 95% CI, 3.4%-8.0%). These 5 modifiable risk factors were associated with 51.6% (95% CI, 40.5%-60.9%) of the severe childhood stunting in SSA. Conclusions and Relevance: This cross-sectional study identified 5 modifiable risk factors that were associated with 51.6% of severe childhood stunting in SSA. These factors should be a priority for policy makers when considering future child health interventions to address chronic malnutrition in SSA.
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 | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».