A mixed-methods study of the drivers of stunting reduction among children under-5 in Ghana, 2003–2017
Notice bibliographique
Résumé
BACKGROUND: Childhood stunting prevalence declined rapidly in Ghana in recent decades. Substantial economic growth over the same period will have contributed directly and indirectly to improved population health and nutrition in the country, but Ghana's progress in reducing stunting has outpaced that of multiple other countries with comparable or higher economic growth rates. OBJECTIVES: We aimed to better understand Ghana's exemplary progress in stunting reduction by examining the national-, community-, household-, and individual-level factors associated with the steep decline in stunting prevalence in recent decades. METHODS: This mixed-methods study included literature review; secondary analysis of national household survey data, including Oaxaca-Blinder decomposition analysis; primary qualitative data collection and analysis; and a policy and program review. RESULTS: Estimated from household surveys, under-5 stunting prevalence in Ghana declined from 35.1% in 2003 to 17.5% in 2017 and mean height-for-age z-score increased by 0.50, with the country's high-burden northernmost regions achieving the most rapid progress. Our modeling predicted 64% of the observed 0.43 height-for-age z-score increase among survey index children, with increases over time in mosquito net ownership, skilled birth attendance and antenatal care coverage, mean maternal age, urban residency, and household wealth accounting for most of the improvement in child growth over time. Qualitative findings highlighted similar and additional distal (e.g., income, maternal education, employment, women's empowerment, and political stability); intermediate (e.g., water and sanitation, infrastructure); and proximal (e.g., disease prevention and control programs, maternal care, and diet improvements) factors associated with stunting reduction. Of 134 nutrition-related policies and programs identified in our review, 23 national initiatives were assessed as having contributed importantly to reducing stunting in Ghana, reflecting the effectiveness of multisectoral action. CONCLUSIONS: Stunting reduction can be accelerated even further in Ghana through increased coverage of high-quality nutrition-specific interventions and greater health and nonhealth sector investments.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».