The Relationship Between Iron Deficiency and Febrile Convulsion: A Case-Control Study
Notice bibliographique
Résumé
INTRODUCTION: Febrile seizure is among the most common convulsion disorders in children, which strikes 2% to 5% of children between 3 to 60 months of age. Some studies have reported that iron deficiency could be a risk factor for febrile seizure. The present study was conducted to compare the rate of iron deficiency anemia in febrile children with and without seizure. MATERIALS AND METHODS: This case-control study evaluated 200 children aged 6-60 month in two 100 person groups (febrile seizure and febrile without convulsion) in Kashan. The CBC diff, serum iron and TIBC were done for all of participants. Diagnosis of iron deficiency anemia based on mentioned tests. RESULTS: No significant differences were found in two groups regarding to the age, gender, and the disease causing the fever. The presence of iron deficiency anemia was 45% in the convulsion group and 22% in the group with fever without convulsion. The Chi Square test indicated a significant difference between two groups. CONCLUSIONS: The findings suggest that a considerable percentage of children having febrile seizure suffer from iron-deficiency anemia and low serum iron. This means the low serum iron and presence of anemia can serve as a reinforcing factor for the febrile seizure in children.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».