Determinants of Iron Consumption among Pregnant Women in Southern Senegal
Notice bibliographique
Résumé
The anemia by iron deficiency is a public health problem. To palliate the multiple maternal and fetal consequences, the WHO recommends the iron supplementation during at least 90 days to all pregnant women. The goal of our study is to study the determinants of this consumption in the Kolda area (Senegal). It’s the analytical cross-sectional study referred. We use the survey by clusters with 2 levels and it’s about all of the women who gave birth in Kolda area between February 2013 and January 2014. The dependent variable was iron consumption during at least 90 days and the independents variables were grouped on personal factors, knowledge and practices. Data were collected during a personal interview face to face. We used logistic regression to identify the determinants of this consumption. The average age of women surveyed in 1442 was 25.5 years. They had knowledge of iron consumption (93%) and the number of antennal consultation (ANC) (66%). The prevalence of pregnant women who consumed iron at least for 90 days was 51%. The factors associated with consumption were schooling (ORa = 2.49 [1.54 - 4.03]), health awareness (ORa = 1.61 [1.25 to 2.07]), knowledge about number of ANC (ORa = 1.54 [1.18 - 2.00]), councils on the benefits of iron (ORa = 2.66 [1.77 - 4.00]), the household wealth index (ORa = 1.83 [1.04 to 3.19]), number of ANC (ORa = 2.05 [1.56 - 2.69]), age pregnancy on the first ANC (ORa = 2 [1.47 - 2.7]) and iron prescription (ORa = 1.64 [1.25 - 2.16]). The prevalence of iron consumption during at least 90 days is low in Kolda area (51%); however, its determinants are identified; we can solve the problem by increasing communicate more about iron supplementation and antenatal consultation.
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 | 0,001 | 0,002 |
| 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 ».