Impacto del Covid-19 en la malnutrición de niños de 0-2 años, desafíos: Revisión Sistemática
Notice bibliographique
Résumé
Durante la pandemia de COVID-19, la malnutrición en niños menores de 2 años se ha convertido en un problema significativo que afecta su crecimiento y desarrollo óptimo. Este estudio se centra en identificar los desafíos específicos que enfrentó la malnutrición infantil durante esta crisis global. Los objetivos incluyeron describir el impacto del COVID-19 en el estado nutricional infantil, identificar las complicaciones de salud más prevalentes y determinar los factores de riesgo asociados con la malnutrición en este contexto. Mediante una revisión sistemática de 67 estudios seleccionados con criterios rigurosos de inclusión y exclusión, se aplicaron herramientas reconocidas como PRISMA, Newcastle-Ottawa y CONSORT para evaluar los datos recopilados. Los resultados revelaron que la pandemia tuvo un impacto negativo significativo en el estado nutricional de los niños, exacerbando complicaciones respiratorias, musculoesqueléticas y del desarrollo. Factores como la pobreza, la inseguridad alimentaria y políticas inadecuadas fueron identificados como determinantes críticos de la malnutrición. En conclusión, se subraya la urgente necesidad de intervenciones integrales que aborden estos factores sociales, económicos y de salud para mitigar los efectos adversos de la pandemia en la nutrición infantil y promover un desarrollo saludable en esta vulnerable población.
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 | 0,073 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».