MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415696044 · doi:10.1136/bmjopen-2024-095574

Nutritional status and associated factors among adolescents in Senegal: a nationwide cross-sectional study

2025· article· en· W4415696044 sur OpenAlexfundno aff
Mariame Sy, Adama Diouf, Abdou Badiane, Maty Diagne-Camara, Abdoulaye Diagne, Nicole Idohou‐Dossou

Notice bibliographique

RevueBMJ Open · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesMinistère de la SantéInternational Development Research Centre
Mots-clésUnderweightMalnutritionOverweightDouble burdenObesityPublic healthPromotion (chess)Health promotionAbdominal obesity

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Adolescents are a vulnerable group as they undergo rapid physical changes that can impact their nutritional status. Despite the implementation of some interventions addressing adolescent nutrition in Senegal, there remains a lack of comprehensive data on their nutritional status. This study aimed to assess nutritional status and associated factors among Senegalese adolescents aged 10-19 years. DESIGN: This cross-sectional study was part of the national food consumption survey, which was conducted among children aged 24-59 months, adolescents aged 10-19 years and adults aged 20 years and older. SETTING: The study was conducted in Senegal at the national level, in rural and urban areas, from July to November 2021. PARTICIPANTS: 1433 adolescents, boys and girls aged 10-19 years were randomly selected from 1800 households in 150 census districts. OUTCOME MEASURES: Nutritional status was assessed using body mass index for age z-score and waist-to-height ratio through anthropometric measurements. Dietary practices, health and socioeconomic and sociodemographic data were collected using questionnaires. Data were weighted for representativeness and logistic regression models were used to identify factors associated with underweight, overweight and obesity. RESULTS: Among the 1433 adolescents, one in five (21.7%) were underweight, 5.9% were overweight, 1.8% had obesity and 5% had abdominal obesity. Male gender (OR=1.74; p<0.001), being in the 10-14 years age group (OR=1.44; p<0.05), having diarrhoea (OR=4.86; p<0.05), skipping lunch daily (OR=2.28; p<0.01) and snacking (OR=1.51; p<0.05) were associated with increased risk of being underweight. Female gender was a predictor of being overweight (OR=4.68; p<0.001) and having abdominal obesity (OR=5.28; p<0.001). Urban adolescents were 59% more likely to be obese than rural adolescents (p<0.05). Adolescents who consumed dietary supplements had greater odds of obesity (OR=3.89; p<0.05) and those who skipped breakfast daily were 4.5 times more at risk of having abdominal obesity. More than 90% of adolescents had three main meals per day. Over 60.3% of adolescents reported snacking and 55.4% of them did so at least once per day. 72% of Senegalese adolescents met the minimum dietary diversity and the mean Dietary Diversity Score was 5.23±1.28. CONCLUSION: Underweight is high in Senegalese adolescents, particularly in rural areas and among boys and adolescents aged 10-14 years. Overweight and abdominal obesity among girls and urban adolescents require particular attention. Tackling the double burden of malnutrition in Senegalese adolescents requires a greater consideration of adolescents in policies and strategies, including the implementation of a malnutrition management programme as well as the promotion of healthy diets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,400
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetChild Nutrition and Water Access→Travaux en français237 207→