MétaCan
Menu
Retour à la cohorte
Enregistrement W4390507009 · doi:10.1186/s41043-023-00479-y

Mother–child dyads of overnutrition and undernutrition in sub-Saharan Africa

2024· article· en· W4390507009 sur OpenAlexaff
Joshua Okyere, Irene Esi Donkoh, Abdul‐Aziz Seidu, Bright Opoku Ahinkorah, Richard Gyan Aboagye, Sanni Yaya

Notice bibliographique

RevueJournal of Health Population and Nutrition · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of OttawaGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésOvernutritionUnderweightBreastfeedingMalnutritionMedicineOverweightOdds ratioPublic healthConfidence intervalEnvironmental healthOddsDemographyPediatricsLogistic regressionObesity

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Malnutrition remains one of the major public health concerns globally. To achieve the Sustainable Development Goal 2 which seeks to ensure that hunger and malnutrition are reduced by 2030, it is imperative to ascertain the factors influencing their occurrence. This study examined the prevalence and factors associated with mother-child dyads of overnutrition and undernutrition in sub-Saharan Africa. METHODS: Demographic and Health Survey data from 25 sub-Saharan African countries were used for the study. The sample was made up of 125,280 mother-child dyads. Descriptive analysis was performed to determine the prevalence of overweight or obese mother (OWOBM) with a stunted child (OWOBM-SC), OWOBM with an underweight child (OWOBM-UC), OWOBM with a wasted child (OWOBM-WC), and OWOBM with any form of child's undernutrition indicators (OWOBM-SUWC). Multilevel regression models were developed to examine the factors associated with these indicators. The results were presented using an adjusted odds ratio (AOR) with their respective 95% confidence interval (CI). RESULTS: Higher likelihood of OWOBM-SUWC was found among women aged 45-49 [AOR 2.20, 95% CI 1.70, 2.85], those with primary [AOR 1.32, 95% CI 1.21, 1.44] or secondary education [AOR 1.21, 95% CI 1.09, 1.35], and divorced women [AOR 1.32, 95% CI 1.02, 1.73]. However, lower odds of OWOBM-SUWC were observed among women who were working [AOR 0.82, 95% CI 0.76, 0.89] and those breastfeeding [AOR 0.75, 95% CI 0.70, 0.82]. The odds of OWOBM-SUWC was lower among females compared to male children [AOR 0.85, 95% CI 0.80, 0.90]. Compared to children aged <1 year, children of all other age groups were more likely to have OWOBM-SUWC. Other child characteristics significantly associated with OWOBM-SUWC were low birth weight [AOR 1.50, 95% CI 1.32, 1.71], having diarrhea [AOR 1.13, 95% CI 1.04, 1.24], and higher birth order [AOR 1.37, 95% CI 1.13, 1.66]. Children whose mothers used unimproved toilet facilities [AOR 0.90, 95% CI 0.83, 0.98], those who lived in rural areas [AOR 0.79, 95% CI 0.71, 0.87], and children from the Central [AOR 0.55, 95% CI 0.46, 0.65], Eastern [AOR 0.44, 95% CI 0.38, 0.52] and Western [AOR 0.76, 95% CI 0.65, 0.89] sub-Saharan Africa were less likely to have OWOBM-SUWC. CONCLUSION: Combination of child, maternal, and contextual factors could explain mother-child dyads of overnutrition and undernutrition in sub-Saharan Africa. Addressing this situation requires multidimensional policies and interventions that empower women through education and economic engagement. The observed sub-regional differences in policies and commitments related to addressing malnutrition suggest the need for comprehensive and coordinated efforts to implement and strengthen multisectoral comprehensive nutrition plans across sub-Saharan Africa. Sharing best practices and lessons learned can help improve the effectiveness and comprehensiveness of nutrition interventions and contribute to reducing the prevalence of malnutrition.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,318
Écart entre enseignants0,291 · 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Population and NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207