MétaCan
Menu
Retour à la cohorte
Enregistrement W1483973117

Anemia in Cambodia: prevalence, etiology and research needs.

2012· article· en· W1483973117 sur OpenAlexaff
Christopher V Charles, Alastair J. S. Summerlee, Cate Dewey

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEtiologyAnemiaMedicinePublic healthDiseaseEnvironmental healthIron-deficiency anemiaPopulationPediatricsEpidemiologyIntervention (counseling)GerontologyFamily medicinePathologyPsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Anemia is a severe global public health problem with serious consequences for both the human and socio-economic health. This paper presents a situation analysis of the burden of anemia in Cambodia, including a discussion of the country-specific etiologies and future research needs. All available literature on the prevalence and etiology of anemia in Cambodia was collected using standard search protocols. Prevalence data was readily identified for pre-school aged children and women of reproductive age, but there is a dearth of information for school-aged children, men and the elderly. Despite progress in nation-wide programming over the past decade, anemia remains a significant public health problem in Cambodia, especially for women and children. Anemia is a multifaceted disease and both nutritional and non-nutritional etiologies were identified, with iron deficiency accounting for the majority of the burden of disease. The current study highlights the need for a national nutrition survey, including collection of data on the iron status and prevalence of anemia in all population groups. It is impossible to develop effective intervention programs without a clear picture of the burden and cause of disease in the country.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,315
Écart entre enseignants0,264 · 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

Citations31
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetIron Metabolism and DisordersTravaux en français237 207