MétaCan
Menu
Retour à la cohorte
Enregistrement W2604408296 · doi:10.5539/gjhs.v9n7p87

Assessment of Anemia Levels in Infants and Children in High Altitude Peru

2017· article· en· W2604408296 sur OpenAlexvenueno aff
Roxanne Amerson, Lisa Duggan, Michelle Glatt, Kate Ramsey, Jennifer L. Baker

Notice bibliographique

RevueGlobal Journal of Health Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesClemson University
Mots-clésAnemiaMedicineAnthropometryBreastfeedingPediatricsAltitude (triangle)HemoglobinEffects of high altitude on humansRural areaDemographyPublic healthEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

When prevalence rates of anemia exceed 40%, the World Health Organization recognizes this as a severe public health problem. In Peru, approximately 43.5% (urban) and 51.1% (rural) of children between the ages of 6 and 36 months have anemia. Currently, limited data exists regarding prevalence rates in many of the high altitude regions of Peru. The main purpose of this pilot study was to establish evidence of anemia in infants and children (7 months through 5 years of age) living in the rural, mountainous region of Ollantaytambo District. This pilot study utilized a quantitative, cross-sectional design to assess the presence of anemia in infants and children. Hemoglobin levels were collected from 160 children across 12 villages where elevations ranged from 2800 to 4100 meters above sea level. Chi Square tests compared anemia with age ranges, altitude, anthropometric measures, breastfeeding patterns, and types of communities. Adjusted hemoglobin levels established 47.5% of the 160 participants were anemic. Chi Square results indicated children aged 25-36 months and children living in communities at 3100 and 4100 meters displayed higher than expected rates of anemia. Results confirmed high rates of anemia and the need for education related to dietary factors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,389
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetIron Metabolism and DisordersTravaux en français237 207