Height-Age as An Alternative to Height-For-Age z-Scores to Assess the Effect of Interventions on Child Linear Growth in Low- and Middle-Income Countries
Notice bibliographique
Résumé
Background: -scores (HAZ) and stunting (HAZ<-2) in randomized controlled trials (RCTs). However, this approach does not account for children's starting skeletal age and does not enable assessment of the extent to which interventions optimized linear growth. Objectives: The objectives of this study were to develop and apply a new method using height-age to express linear growth effects in RCTs. Methods: Longitudinal individual participant data (IPD) from a Bangladeshi trial cohort were used to compare height-age estimates derived from individual-level heights, mean raw height, or mean HAZ. Then, using mean height-age as a proxy for skeletal age, we developed the "proportion of maximal benefit" (PMB) metric to quantify intervention effects relative to optimal growth for children's starting skeletal age. Optimal growth occurs when height-age increases in parallel with chronologic age (i.e., PMB = 100%), whereas no effect (compared with control) corresponds to a PMB of 0%. Linear growth outcomes in 4 published RCTs of nutrition-specific interventions were re-expressed as mean height-age and PMB and compared with effects conventionally expressed as intervention-compared with-control mean differences (MD) in HAZ. Results: Mean height-age could be derived from any published estimate of mean raw height or mean HAZ; however, to calculate the PMB, height or HAZ data were required at both the beginning and end of the observation period. Interpretations of intervention effects were consistent when expressed as either the height-age MD or HAZ MD. In contrast, the PMB does not have a corresponding metric on the HAZ scale and, therefore, provided a new way to quantify intervention efficacy. Conclusions: Height-age can be used as an alternative to HAZ to express intervention effects. The PMB has the advantage of conveying the extent to which an intervention improved average linear growth in relation to a biologically-defined benchmark.
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 | 0,053 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».