Contextual Determinants of Stunting in Indonesia: A Systematic Review of Nutritional Interventions and Antenatal Care
Notice bibliographique
Résumé
Background: Stunting is a significant global health issue, especially in Indonesia, where long-term malnutrition adversely affects children's growth and development, with prevalence rates still exceeding the WHO's recommended threshold. This study examines the contextual factors that influence the effectiveness of nutritional interventions and antenatal care (ANC) in combating stunting in Indonesia. Methods: A systematic review was conducted by the PRISMA guidelines. A comprehensive search across five major academic databases (Google Scholar, PubMed, ScienceDirect, Embase, and ProQuest) identified 3,690 articles. After a rigorous screening process, 13 studies published between 2019 and 2023 were included in the analysis, focusing on key contextual factors that impact stunting interventions in Indonesia. The quality appraisal utilized Joanna Briggs Institute checklists for analytical cross-sectional studies, cohort studies, quasi-experimental studies, qualitative research, systematic reviews, case reports, and text and opinion papers, each matched to the respective study design. Findings: The review identified four critical contextual factors shaping stunting interventions: (1) socioeconomic status, particularly household income and education, which significantly influence access to healthcare and nutrition; (2) cultural beliefs, including food taboos and misconceptions, which hinder optimal nutritional practices; (3) geographical disparities, with rural populations experiencing higher stunting rates due to limited access to healthcare and resources; and (4) government policies, highlighting the importance of strong political commitment, multisectoral collaboration, and localized programs. Conclusion: Nutritional interventions and ANC are more effective in reducing stunting among Indonesian children when tailored to local socioeconomic, cultural, and geographical contexts. These findings highlight the need for targeted, context-specific strategies to improve child growth outcomes in vulnerable populations.
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 | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».