MétaCan
Menu
Retour à la cohorte
Enregistrement W2077216942 · doi:10.1002/bdra.20075

Neural tube defect rates before and after food fortification with folic acid

2004· review· en· W2077216942 sur OpenAlexaboutno aff
James L. Mills, Caroline Signore

Notice bibliographique

RevueBirth Defects Research Part A Clinical and Molecular Teratology · 2004
Typereview
Langueen
DomaineMedicine
ThématiqueFolate and B Vitamins Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFolic acidFortificationMedicineNeural tubeFood fortificationEnvironmental healthIncidence (geometry)Disease controlPediatricsInternal medicineBiologyFood science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Since 1998, enriched cereal grains sold in the United States have been fortified with folic acid, to reduce the incidence of neural tube defects (NTDs). The Centers for Disease Control and Prevention (CDC) recently reported that NTD rates have decreased 26% since fortification, but that additional effort is needed to achieve the national goal of a 50% reduction. However, accurate determination of NTD rates requires counting antenatally detected cases; the CDC study noted that the number of prenatally diagnosed cases was likely underestimated. METHODS AND RESULTS: We examined studies from the United States and Canada that compared rates of NTDs before and after very similar fortification programs were instituted in each country. U.S. studies had incomplete ascertainment of prenatally diagnosed NTD cases, and as a result, underreported the number of NTDs prevented. Canadian studies, in which ascertainment was more complete, showed decreases in NTD rates up to 54%. CONCLUSIONS: There is a strong correlation between the completeness of ascertainment and the percentage decrease in NTD rates. Studies that identify cases best show that folic acid fortification is preventing around 50% of NTDs. The percentage of NTDs that are folate-preventable in the United States is uncertain, but is probably 50-60%. Thus, we may be quite close to achieving the optimum level of protection at current fortification levels.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,629

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,118
Tête enseignante GPT0,463
Écart entre enseignants0,345 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations138
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBirth Defects Research Part A Clinical and Molecular TeratologyMême sujetFolate and B Vitamins ResearchTravaux en français237 207