Trends in Nutritional Status of School Children in Eastern Nepal: A Longitudinal Assessment over the Five Years (2017-2021)
Notice bibliographique
Résumé
Introduction/Background: Nutritional screening is a vital tool for assessing the health and well-being of school children, as it provides crucial data on their nutritional status. Longitudinal assessments allow for the monitoring of nutritional trends over time and facilitate the development of targeted dietary goals. Aim/Objective: This study evaluated the longitudinal nutritional status of children enrolled at YouMe School, located in the rural Khotang district of Eastern Nepal. Methodology: The research team deployed a study design with open recruitment. The team recorded one or more observations per individual. Annual nutritional screenings were systematically conducted from 2017 to 2021, covering students from Nursery to Grade 7. The primary outcome variables included weight-for-height Z-scores (WHZ) and Body Mass Index Z-scores (BMI-Z). Data analysis involved linear mixed models adjusted for potential confounders. Results: One thousand thirty-two observations were recorded over five years, comprising students from Nursery to Grade 7. The findings revealed progressive improvements in nutritional status, demonstrated by increases in weight-for-age z-scores (from -1.1 in 2017 to -0.6 in 2021), BMI z-scores (from -1.4 to -0.4), and weight-for-height z-scores (from -1.3 to -0.08) among children at YouMe School. Adjusted analyses confirmed significant improvements in both WHZ and BMI Z-scores over time. Additionally, the gender disparity in nutritional status decreased substantially over time (β=-0.01, p<0.01). Conclusion: Five consecutive years of nutritional screenings at YouMe School in Eastern Nepal enabled an assessment of student nutritional well-being from Nursery to Grade 7. The school's sustained initiatives likely contributed to improved nutritional outcomes and reduced gender disparities. An integration of educational programs, targeted nutritional initiatives, and a supportive school environment can expedite sustainable dietary gains.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».