Food taboo practices and associated factors among pregnant women in Sub-Sahara Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
Even though maternal nutrition has improved, food taboos and poor dietary practices during pregnancy can still lead to nutrient deficiencies, increasing the risk of complications for both mothers and children. Therefore, this study aimed to generate pooled evidence from across different countries in Sub-Saharan Africa to inform effective prevention actions. This meta-analysis aims to determine the pooled prevalence of food taboo practices and identify associated factors among pregnant women in Sub-Saharan Africa. This study systematically reviewed relevant articles and reports from databases including Embase, MEDLINE, Science Direct, PubMed, Google, and Google Scholar. The Newcastle–Ottawa Scale assessed article quality. Data extraction and analysis were done using Excel and STATA 17, respectively. Heterogeneity was assessed using Cochran's Q test and the I 2 statistic, with a random effects model employed for meta-analysis. Publication bias was evaluated and addressed using Duval and Tweedie's Trim and Fill analysis. A total of fifty-eight studies with 20,262 pregnant women were included in this meta-analysis. The pooled proportion of food taboo practices reported by the 58 studies was 41% (95% CI: 34, 48%). In the subgroup analysis, the pooled proportion of food taboo practices for studies conducted in urban areas was 40% (95% CI: 32, 48%), while it was 43% (95% CI: 32, 56%) among rural residents. Factors associated with food taboo practices among pregnant women included being unable to read and write (AOR = 2.64%; 95% CI: 1.79–3.90; I 2 = 56.9%), not receiving antenatal care follow-up (AOR = 3.73%; 95% CI: 2.83–3.90; I 2 = 55.1%), and poor maternal nutrition knowledge (AOR = 3.33%; 95% CI: 1.56–7.09; I 2 = 84.3%). According to this review, over two out of every five pregnant mothers practiced food taboos in the region. The educational status of the mother, antenatal care follow-up, and maternal nutrition knowledge were factors affecting food taboo practices among pregnant women. Therefore, emphasis should be given to the uptake of antenatal care follow-up to improve maternal nutrition knowledge and nutritional status.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».