Childhood growth during recovery from acute illness in Africa and South Asia: a secondary analysis of the childhood acute illness and nutrition (CHAIN) prospective cohort
Notice bibliographique
Résumé
Background: Growth faltering is well-recognized during acute childhood illness and growth acceleration during convalescence, with or without nutritional therapy, may occur. However, there are limited recent data on growth after hospitalization in low- and middle-income countries. Methods: We evaluated growth following hospitalization among children aged 2-23 months in sub-Saharan Africa and South Asia. Between November 2016 and January 2019, children were recruited at hospital admission and classified as: not-wasted (NW), moderately-wasted (MW), severely-wasted (SW), or having nutritional oedema (NO). We describe earlier (discharge to 45-days) and later (45- to 180-days) changes in length-for-age [LAZ], weight-for-age [WAZ], mid-upper arm circumference [MUACZ], weight-for-length [WLZ] z-scores, and clinical, nutritional, and socioeconomic correlates. Findings: We included 2472 children who survived to 180-days post-discharge: NW, 960 (39%); MW, 572 (23%); SW, 682 (28%); and NO, 258 (10%). During 180-days, LAZ decreased in NW (-0.27 [-0.36, -0.19]) and MW (-0.23 [-0.34, -0.11]). However, all groups increased WAZ (NW, 0.21 [95% CI: 0.11, 0.32]; MW, 0.57 [0.44, 0.71]; SW, 1.0 [0.88, 1.1] and NO, 1.3 [1.1, 1.5]) with greatest gains in the first 45-days. Of children underweight (<-2 WAZ) at discharge, 66% remained underweight at 180-days. Lower WAZ post-discharge was associated with age-inappropriate nutrition, adverse caregiver characteristics, small size at birth, severe or moderate anaemia, and chronic conditions, while lower LAZ was additionally associated with household-level exposures but not with chronic medical conditions. Interpretation: Underweight and poor linear growth mostly persisted after an acute illness. Beyond short-term nutritional supplementation, improving linear growth post-discharge may require broader individual and family support. Funding: Bill & Melinda Gates FoundationOPP1131320; National Institute for Health ResearchNIHR201813.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».