Postwar dietary diversity among children aged 6-23 months in northern Ethiopia
Notice bibliographique
Résumé
Introduction: Conflict exacerbates poor complementary feeding and reduces dietary diversity. Before the 2020–2022 war in northern Ethiopia, around 74% of children aged 6–23 months failed to meet minimum dietary diversity (MDD) and post-war prevalence was unknown. This study aims to assess MDD prevalence and associated factors among children aged 6–23 months in a town in northern Ethiopia two years after the ceasefire. Methodology: A health facility-based cross-sectional study of 584 participants was conducted in a town in northern Ethiopia. Sociodemographic and dietary data were collected using a 24-hour dietary recall questionnaire and analyzed in STATA ® version 15. Pre-war dietary diversity was estimated using data from the 2016 and 2019 Ethiopian Demographic and Health Surveys. Results: MDD declined from 33.2% pre-war period to 25.2% (95% CI: 21.6-28.7) in the post-war period. Children aged 18–23 months were 3.2 times more likely to achieve MDD than those aged 6–11 months (p = 0.001). Middle- and high-income households had 6.13-fold and 13.58-fold higher odds of meeting MDD, respectively (both p < 0.001). Households with 5–8 members had 3.6-fold higher odds of providing MDD compared to those with 1–3 members (p = 0.017). Children of mothers aged 26–35 years (AOR = 0.48, p = 0.026) and 36–42 years (AOR = 0.29, p = 0.017) had lower odds of meeting MDD. Higher paternal education (AOR = 2.58, p = 0.031) and paternal occupation as a merchant (AOR = 3.17, p = 0.001) were positively associated with MDD. Post-war, grain (77.5% to 92.1%) and legume (33.9% to 69.3%) consumption increased significantly, while flesh foods (20.9% to 7.2%) and vitamin A-rich foods 46.8% to 26%) declined. Conclusion: Post-war dietary diversity in remains low, influenced by socioeconomic and demographic factors. Significant reductions in nutrient-dense foods highlight critical gaps in child nutrition. Targeted nutrition education for caregivers and interventions promoting dietary diversity are essential in conflict-affected settings.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».