MétaCan
Menu
Retour à la cohorte
Enregistrement W2108963133 · doi:10.1017/s1368980008001833

Iron status of adolescent girls from two boarding schools in southern Benin

2008· article· en· W2108963133 sur OpenAlexafffund
Halimatou Alaofè, J.A. Zee, Romain Dossa, Huguette Turgeon O’Brien

Notice bibliographique

RevuePublic Health Nutrition · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensFrancophone University AssociationUniversité Laval
Organismes subventionnairesAgence Universitaire de la Francophonie
Mots-clésTransferrin saturationMedicineMicronutrientIron deficiencyLogistic regressionConfoundingFerritinPediatricsEnvironmental healthDemographyAnemiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Iron deficiency (ID) is the most prevalent micronutrient deficiency in the world, particularly in developing countries. Blood samples and a qualitative FFQ on Fe- and vitamin C-rich foods were obtained in 180 adolescent girls aged 12 to 17 years living in two boarding schools from south Benin. ID, defined as serum ferritin either 73 micromol/l or transferrin saturation<20%, was found in 32% of subjects. Anaemia (Hb<120 g/l) was found in 51% of adolescents, while 24% suffered from iron-deficiency anaemia (IDA) (ID and Hb<20 g/l). After adjusting for confounding factors (age, mother's and father's occupation, household size) in a logistic regression equation, subjects having a low meat consumption (beef, mutton, pork) (<4 times/week) were more than twice as likely to suffer from ID (OR=2.43; 95% CI 1.72, 3.35; P=0.04). Adolescents consuming less fruits (<4 times/week) also had a higher likelihood of suffering from ID (OR=1.53; 95% CI 1.31, 2.80; P=0.03). Finally, subjects whose meat consumption was low were twice as likely to suffer from IDA (OR=2.24; 95% CI 1.01, 4.96; P=0.04). The prevalence of ID represents an important health problem in these Beninese adolescent girls. A higher consumption of Fe-rich foods and of promoters of Fe absorption (meat factor and vitamin C) is recommended to prevent ID deficiency in these subjects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,067
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,046
Tête enseignante GPT0,314
Écart entre enseignants0,268 · 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 tête enseignante, 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

Citations22
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic Health NutritionMême sujetIron Metabolism and DisordersTravaux en français237 207