Spatiotemporal Trends in Malnutrition-related Hospitalization and Mortality Among Brazilian Children Under Five
Notice bibliographique
Résumé
Abstract This study investigates annual hospital admissions and deaths due to malnutrition among Brazilian children under five from 2008 to 2024, analyzing spatial and temporal disparities across microregions and states. Using data from Brazil’s Hospital Information System (SIH), we applied a joint Bayesian spatiotemporal model to examine trends and assess five policy scenarios projected through 2030 in the context of Sustainable Development Goal 2 (SDG2): end all forms of malnutrition by 2030. Results reveal persistent regional inequalities, with the North and Northeast bearing the highest burdens, reflecting deep-rooted structural disparities. Key risk factors included pediatric bed availability (RR 1.13, 95% CrI 1.08–1.18), illiteracy, and low income. The National Hospital Care Policy (PNHOSP) contributed to reduced hospitalizations (RR 0.94, 95% CrI 0.89–0.99), but presented a borderline association with higher odds of death (OR 1.26, 95% CrI 0.98–1.58). Projections suggest that, under current conditions, Brazil is unlikely to meet SDG2 by 2030. Targeted investments in pediatric care infrastructure, combined with broader improvements in the social determinants of health, will be essential to mitigate severe malnutrition outcomes and reduce preventable deaths.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».