Risk Factors for Anemia in Preschool Children in Sub-Saharan Africa
Notice bibliographique
Résumé
Iron is a mineral that is found in nature and foods. It is involved in many physiological functions in the body, and poor iron intake can lead to iron deficiency and later to anemia. Iron deficiency anemia (IDA) is the most prevalent nutritional disorder in the world despite iron being the fourth most common element on earth. Anemia is amongst the most important contributing factors to the global burden of disease. According to a recent WHO report on the global prevalence of anemia, one in four people is affected by anemia worldwide Two thirds of preschool-age children are affected in developing regions of Africa and South East-Asia, and about 40% of the world's anaemic preschool-age children reside in South-East Asia Of the 293.1 million children who suffer from anemia worldwide, 83 million (28%) are in sub-Saharan Africa, representing 67% of the total population of children of this age group in the continent. Adverse health consequences of anemia in preschool children include altered cognitive function, impaired motor development and growth, poor school performance, poor immune function and susceptibility to infections, decreased in responsiveness and activity, increased in body tension and fatigue. Even before clinical symptoms are visible, iron deficiency that leads to anemia is detrimental to children and may condemn one third of the world population to live permanently below their full mental and physical potential. Indeed, the impact of iron deficiency anemia on psychomotor development and cognitive function in children under the age of two years may be irreversible despite adequate therapy The authors estimated an additional US$14.46 per capita lost in cognitive function, for a total annual loss (cognitive & productive) of about $50 billion in GDP worldwide from iron deficiency anemia. Due to its detrimental effects among children, effective interventions
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».