Using Soluble Transferrin Receptor and Taking Inflammation into Account When Defining Serum Ferritin Cutoffs Improved the Diagnosis of Iron Deficiency in a Group of Canadian Preschool Inuit Children from Nunavik
Notice bibliographique
Résumé
The prevalence of iron depletion, iron deficient erythropoiesis (IDE), and iron deficiency anemia (IDA) was assessed in preschool Inuit children using soluble transferrin receptor (sTfR) and traditional indicators of iron status while disregarding or taking inflammation into account when defining SF cutoffs. Iron depletion was defined as follows: (1) SF < 15 μg/L regardless of the C-reactive protein (CRP) level and (2) SF < 15 or <50 μg/L with CRP ≤ 5 or >5 mg/L, respectively. IDE corresponded to iron depletion combined with total iron binding capacity > 72 μmol/L and/or transferrin saturation < 16%. Iron depletion and IDE affected almost half of the children when accounting for inflammation, compared to one-third when the SF cutoff was defined regardless of CRP level (P < 0.0001). The prevalence of IDE adjusted for inflammation (45.1%) was very similar to the prevalence observed when sTfR was used as a sole marker of IDE (47.4%). The prevalence of anemia was 15%. The prevalence of IDA (IDE + hemoglobin < 110 g/L) was higher when accounting for than when disregarding inflammation (8.0% versus 6.2%, P = 0.083). Using sTfR and different SF cutoffs for children with versus without inflammation improved the diagnosis of iron depletion and IDE. Our results confirm that Inuit children are at particularly high risk for iron deficiency.
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 ».