The burden of acute malnutrition among children under five in conflict-afflicted Gaza strip: prevalence and associated factors
Notice bibliographique
Résumé
Background: This study aims to assess the prevalence and associated factors of Severe Acute Malnutrition (SAM) and Moderate Acute Malnutrition (MAM) among children in this region during a period of conflict. Methods: A cross-sectional study was conducted with a sample of 1,200 children under 5 years old, selected through stratified random sampling from three governorates in the Gaza Strip. Data were collected using structured interviews and physical examinations, including Mid-Upper Arm Circumference (MUAC) measurements to determine nutritional status based on established cut-off points. Statistical analyses were performed using IBM-SPSS, version 26. Results: = 619) fall within the range of 24-60 months. Overall, 58.3% of children live in schools, 26.6% live in houses, and 15.1% reside in tents. The overall prevalence of malnutrition across all regions was 16.6%, including 6.7% with SAM and 9.7% with MAM. The prevalence of SAM is highest in North Gaza and South Gaza (both at 6.8%) and slightly lower in the Middle Zone (6.5%). For MAM, the highest prevalence is in South Gaza (11.5%), with Middle Zone showing the lowest rate (7.3%). Logistic regression analysis indicated that children living in houses had a higher likelihood of SAM (OR = 2.36; 95% CI = 1.39-3.99) and MAM (OR = 1.44; 95% CI = 1.13-1.84), and children living in schools had a higher likelihood of SAM (OR = 2.79; 95% CI = 1.35-5.74) and MAM (OR = 2.08; 95% CI = 1.14-3.80) compared to those in tents. Notably, children residing in North Gaza were significantly more likely to experience SAM (OR = 13.2; 95% CI = 6.23-27.95) and MAM (OR = 10.51; 95% CI = 5.74-19.3) compared to those in South Gaza. Conclusion: The study highlights a high prevalence of malnutrition among children under five in the Gaza Strip, particularly among those living in houses, shelters and in the North Gaza governorate. These findings underscore the urgent need for targeted nutritional interventions and support for affected families in conflict zones.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».