MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417100471 · doi:10.46336/ijhms.v3i4.275

Determinants of Stunting in Majalaya, Bandung

2025· article· W4417100471 sur OpenAlexaff
Diah Adni Fauziah, Widia Nuraeni

Notice bibliographique

RevueInternational Journal of Health Medicine and Sports · 2025
Typearticle
Langue
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésIncidence (geometry)Logistic regressionMalnutritionMultivariate analysisMental developmentUnder-fivePublic health

Résumé

récupéré en direct d'OpenAlex

The children period is known as the golden age of development because at this stage there is an acceleration of physical and mental growth. However, at the same time, children are also an age group that is very vulnerable to various health problems, one of which is prone to nutritional disorders, especially nutritional problems in children, such as stunting. This study aims to look at the determinants of stunting in Majalaya, Bandung using a case control study design. The selection of respondents used random sampling techniques. The case group consists of 15 children aged 24 to 59 months who have stunted status in Padaulun Village in March 2025. The control group is 45 children aged 24 to 59 months who are not stunted in Padaulun Village in March 2025. Data were analyzed using logistic regression tests. The results of the study were obtained from the variables of Mother's education (p=0.017; OR=11; 95%CI 1.048-115.510) and feeding pattern (p=0.002; OR=6.76; 95%CI 1,820-25,174) had an effect on the incidence of stunting in children, while the variables of maternal age and maternal occupation had no effect on the incidence of stunting in children. The results of the multivariate analysis showed that only feeding pattern was the most significant to increase the incidence of stunting. Regular education is needed about the right feeding pattern for mothers who have children so that the risk of stunting can be minimized.

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)0,000
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 enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,395
Écart entre enseignants0,370 · 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 revueInternational Journal of Health Medicine and Sports→Même sujetChild Nutrition and Water Access→Travaux en français237 207→