MétaCan
Menu
← Retour à la cohorte
Enregistrement W1508333298 · doi:10.1096/fasebj.28.1_supplement.624.18

Antenatal iron‐folic acid supplementation reduces mortality in children less than 5 years of age in Nepal (624.18)

2014· article· en· W1508333298 sur OpenAlexaff
Yasir Bin Nisar, Michael J. Dibley, Saba Mebrahtu, Naveen Paudyal, Madhu Dixit Devkota, Macha Maharjan

Notice bibliographique

RevueThe FASEB Journal · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésMedicinePregnancyConfoundingFolic acidProportional hazards modelChild survivalEnvironmental healthPediatricsNeonatal mortalityDemographyInfant mortalityObstetricsPopulationSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective To examine the effect of antenatal IFA supplements on the risk of childhood mortality in Nepal using pooled data from 3 Nepal DHS (2001, 2006 & 2011). Methods Survival information was used from 13,009 singleton most recent live‐born infants. Primary outcomes were mortality indicators in children <5 years and the main exposure variable was any use of IFA supplements. Analyses used multivariate Cox proportional hazards regression adjusted for X potential confounders and the sampling design. Results Any use of IFA supplements significantly reduced risk of neonatal deaths by 42%, and by 45% for early neonatal deaths (aHR: 0.55, 95% CI: 0.38, 0.79, p=0.002). These protective effects of any IFA extended to 4 years of age. For mothers who started <4 months of pregnancy and used 蠅120 supplements under‐5 mortality was significantly reduced by 55%. 15% of under‐5 deaths were attributed to non‐use of IFA, and 29,000 under‐5 deaths could be prevented in the next 5 years with universal coverage of IFA. Conclusion IFA significantly reduces the risk of under‐5 deaths in Nepal, with the greatest impact on child survival in women who started early in pregnancy and took 蠅120 supplements. Grant Funding Source : Supported by UNICEF Nepal

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,026
Tête enseignante GPT0,298
Écart entre enseignants0,272 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetChild Nutrition and Water Access→Travaux en français237 207→