MétaCan
Menu
Retour à la cohorte
Enregistrement W119125278 · doi:10.1096/fasebj.21.5.a677-b

Contribution of animal source foods to total iron intake of children in coastal Ghana

2007· article· en· W119125278 sur OpenAlexaff
Esi K Colecraft, Gladys A Adjei, Anna Lartey, Grace S. Marquis

Notice bibliographique

RevueThe FASEB Journal · 2007
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensMcGill University
Organismes subventionnairesUnited States Agency for International Development
Mots-clésFishingMicronutrientAgricultureEnvironmental healthPsychological interventionGeographyMedicineEnvironmental protectionFisheryBiology

Résumé

récupéré en direct d'OpenAlex

The poor micronutrient status of children in developing countries has been attributed partially to a heavy reliance on plant‐based diets. 66 Ghanaian children aged 2 to 5 y were recruited from 2 farming and 2 fishing communities to assess the contribution of animal source foods (ASF) to the total iron intake. Dietary data were collected on 2 d using weighed food records and hemoglobin (Hb) was measured. Daily intakes of iron for children in farming and fishing communities were 10.6 ± 0.7 mg and 11.0 ± 0.9 mg, respectively. ASF contributed more to the iron intake of children from farming communities than those from the fishing communities (13.9 ± 2.1% vs. 8.9 ± 1.3%, p=0.05). Red meats tended to be consumed more by children from farming than fishing communities (21% vs. 6%, p=0.09). The prevalence of low Hb (<11 g/dL) tended to be lower among children in farming communities compared to those in fishing communities (79.4% vs. 93.8%, p=0.09). Children's low Hb status may partly be due to a low consumption of ASF. Interventions to improve ASF intake may be needed in these poor communities. Funded in part by GL‐CRSP through USAID Grant #PCE‐G‐00‐98‐00036‐00

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 enseignants0,058
Score d'incertitude au seuil0,116

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,261
Écart entre enseignants0,250 · 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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetChild Nutrition and Water AccessTravaux en français237 207