Predictors of anemia in preschool children: Biomarkers Reflecting Inflammation and Nutritional Determinants of Anemia (BRINDA) project
Notice bibliographique
Résumé
Background: A lack of information on the etiology of anemia has hampered the design and monitoring of anemia-control efforts.Objective: We aimed to evaluate predictors of anemia in preschool children (PSC) (age range: 6-59 mo) by country and infectionburden category.Design: Cross-sectional data from 16 surveys (n = 29,293) from the Biomarkers Reflecting Inflammation and Nutritional Determinants of Anemia (BRINDA) project were analyzed separately and pooled by category of infection burden.We assessed relations between anemia (hemoglobin concentration ,110 g/L) and severe anemia (hemoglobin concentration ,70 g/L) and individual-level (age, anthropometric measures, micronutrient deficiencies, malaria, and inflammation) and household-level predictors; we also examined the proportion of anemia with concomitant iron deficiency (defined as an inflammation-adjusted ferritin concentration ,12 mg/L).Countries were grouped into 4 categories on the basis of risk and burden of infectious disease, and a pooled multivariable logistic regression analysis was conducted for each group.Results: Iron deficiency, malaria, breastfeeding, stunting, underweight, inflammation, low socioeconomic status, and poor sanitation were each associated with anemia in .50% of surveys.Associations between breastfeeding and anemia were attenuated by controlling for child age, which was negatively associated with anemia.The most consistent predictors of severe anemia were malaria, poor sanitation, and underweight.In multivariable pooled models, child age, iron deficiency, and stunting independently predicted anemia and severe anemia.Inflammation was generally associated with anemia in the high-and very high-infection groups but not in the low-and medium-infection groups.In PSC with anemia, 50%, 30%, 55%, and 58% of children had concomitant iron deficiency in low-, medium-, high-, and very high-infection categories, respectively.Conclusions: Although causal inference is limited by cross-sectional survey data, results suggest anemia-control programs should address both iron deficiency and infections.The relative importance of factors that are associated with anemia varies by setting, and thus, country-specific data are needed to guide programs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».