Zinc Deficiency in Latin America and the Caribbean
Notice bibliographique
Résumé
BACKGROUND: Zinc deficiency affects multiple vital functions in the life cycle, especially growth. Limited information is available on the magnitude of zinc deficiency in Latin America and the Caribbean. OBJECTIVE: To examine the latest available information on both the prevalence of zinc deficiency and the risk of zinc deficiency in Latin America and the Caribbean. METHODS: The prevalence of zinc deficiency was identified through a systematic review looking for the latest available data on serum zinc concentrations from surveys or studies with national representativeness conducted in Latin America and the Caribbean. The risk of zinc deficiency in Latin America and the Caribbean was estimated based on dietary zinc inadequacy (according to the 2011 National Food Balance Sheets) and stunting in children under 5 years of age. RESULTS: Only four countries had available national biochemical data. Mexican, Colombian, Ecuadorian, and Guatemalan children under 6 years of age and women 12 to 49 years of age had a high prevalence of zinc deficiency (19.1% to 56.3%). The countries with the highest risk of zinc deficiency (estimated prevalence of inadequate zinc intake > 25% plus prevalence of stunting > 20%) were Belize, Bolivia, El Salvador, Guatemala, Haiti, Honduras, Nicaragua, and Saint Vincent and the Grenadines. Zinc dietary inadequacy was directly correlated with stunting (r = 0.64, p < .001). CONCLUSIONS: Prevalence data from the four available Latin America and Caribbean national surveys indicate a high prevalence of zinc deficiency in children under 6 years of age and women 12 to 49 years of age. High rates of both estimated zinc dietary inadequacy and stunting were also reported in most Latin America and Caribbean countries.
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) | 0,000 | 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 | 0,000 | 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 ».