Ethnoracial disparities in childhood growth trajectories in Brazil: a longitudinal nationwide study of four million children
Notice bibliographique
Résumé
Growth is an important marker of child health and development. It is related to aspects such as social-economic conditions, being affected by social inequalities. Race is a social construct that functions as an essential tool of racism. It creates social hierarchy, resulting in segregation, different quality and access to health care, and unequal distributions of social determinants on health. Understanding the effects of ethno-racial inequalities on growth trajectories is essential to improve children development and well-being. In the study we investigated child growth according to maternal ethno-racial group using a nationwide Brazilian database. Data were obtained via linkage of the CIDACS Birth Cohort and the Brazilian Food the Nutrition Surveillance System. It included 4,090,271 children under 5 years old, born at term, followed-up between 2008 and 2017. We used mixed-effects model to estimate both original and standardized forms of length/height and weight trajectories. Results pointed out to growth differences among the racial groups, concerning both markers. Children born to Indigenous mothers presented the most critical situation, followed by those born to Parda, Asian-descent, and Black mothers. The strengthening of policies aimed at protecting Indigenous children should be urgently undertaken to address systematic ethno-racial health inequalities. Additionally, these findings may help policymakers to achieve the United Nation’s 2030 Sustainable Development Goals (eradication of hunger and all forms 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| 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 ».