Treatment of severe and moderate acute malnutrition in low- and middle-income settings: a systematic review, meta-analysis and Delphi process
Notice bibliographique
Résumé
Globally, moderate acute malnutrition (MAM) and severe acute malnutrition (SAM) affect approximately 52 million children under five. This systematic review evaluates the effectiveness of interventions for SAM including the World Health Organization (WHO) protocol for inpatient management and community-based management with ready-to-use-therapeutic food (RUTF), as well as interventions for MAM in children under five years in low- and middle-income countries.We systematically searched the literature and included 14 studies in the meta-analysis. Study quality was assessed using CHERG adaptation of GRADE criteria. A Delphi process was undertaken to complement the systematic review in estimating case fatality and recovery rates that were necessary for modelling in the Lives Saved Tool (LiST).Case fatality rates for inpatient treatment of SAM using the WHO protocol ranged from 3.4% to 35%. For community-based treatment of SAM, children given RUTF were 51% more likely to achieve nutritional recovery than the standard care group. For the treatment of MAM, children in the RUSF group were significantly more likely to recover and less likely to be non-responders than in the CSB group. In both meta-analyses, weight gain in the intervention group was higher, and although statistically significant, these differences were small. Overall limitations in our analysis include considerable heterogeneity in many outcomes and an inability to evaluate intervention effects separate from commodity effect. The Delphi process indicated that adherence to standardized protocols for the treatment of SAM and MAM should have a marked positive impact on mortality and recovery rates; yet, true consensus was not achieved.Gaps in our ability to estimate effectiveness of overall treatment approaches for SAM and MAM persist. In addition to further impact studies conducted in a wider range of settings, more high quality program evaluations need to be conducted and the results disseminated.
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 | 0,087 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».