Prevalence of severe and moderate anthropometric failure among children in India, 1993–2021
Notice bibliographique
Résumé
Though child anthropometric failure (CAF) is a persistent problem in India, previous studies have often neglected state-level variance and aggregated moderate and severe CAF categories. This study addresses this gap by examining moderate and severe malnutrition across India's states and union territories (UTs) from 1993 to 2021. Data of children under 2 years old from five waves of National Family Health Surveys, a representative cross-sectional survey of Indian households, were analysed. Outcomes included prevalence of moderate and severe stunting, underweight and wasting, as per the 2006 World Health Organization growth standards. Percentage prevalence and standardized absolute change (SAC) were calculated nationally and by region for each wave. From 1993 to 2021, there was a notable reduction in the nationwide prevalence of moderate stunting, underweight and wasting, with rates dropping from 20% to 16%, 23% to 18%, and 15% to 12%, respectively. Severe stunting and underweight declined considerably from 23% to 16% and 18% to 11%, respectively; severe wasting marginally increased from 8% to 9%. From 2016 to 2021 moderate underweight was noted to have the highest SAC across all regions, although 15 regions saw an increase in the prevalence of moderate underweight. In the 2016-2021 period, severe wasting has increased in 13 of the 36 regions. While there has been a nationwide reduction in most indicators of CAF since 1993, the rate and direction of change vary widely among states and UTs and between moderate and severe categories within each of the states and UTs. Understanding these patterns of change can direct context-specific interventions for improving child nutrition and health. A greater focus on reducing severe wasting, which has increased since 1993, is also crucial.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».