Prevalence of Iron Deficiency and Iron Deficiency Anemia in the Northern and Southern Provinces of Rwanda
Notice bibliographique
Résumé
BACKGROUND: Anemia remains a public health problem in Rwanda, affecting 38% of young children and 17% of reproductive-aged women (Demographic and Health Survey [DHS] 2010). The importance of iron deficiency (ID) as a cause of anemia in Rwanda is not known. OBJECTIVE: We aimed to estimate the prevalence of ID and iron deficiency anemia (IDA) among young children and women in 2 provinces of Rwanda. METHODS: We conducted a cluster randomized survey, selecting 408 rural households each in the Northern and Southern Provinces of Rwanda in 2010. Anemia was defined as hemoglobin <110 g/L in children and <120 g/L in nonpregnant women after correction for altitude. We defined ID as (1) serum transferrin receptor (TfR) >8.3 mg/L or (2) serum ferritin (SF) <12 μg/L in children and <15 μg/L in nonpregnant women after correction for inflammation. RESULTS: The prevalence of anemia was 30.9% (95% confidence interval [CI], 26.4-35.8) in children (n = 577) and 11.2% (95% CI, 8.4-14.7) in women (n = 595). The prevalence of ID in children was 3.1% (95% CI, 1.8-5.1) as defined by high TfR and 5.9% (95% CI, 4.0-8.4) as defined by low SF. Similarly, 3.0% (95% CI, 1.8-4.8) of women had high TfR and 4.8% (95% CI, 3.2-7.2) had low SF. The prevalence of IDA (low SF with concurrent anemia) ranged from 1.4% (95% CI, 0.5-3.6) among women in the North to 5.6% (95% CI, 3.1-10.0) among children in the South. CONCLUSIONS: ID is likely not an important contributor to anemia in the Northern and Southern Provinces of Rwanda. This finding warrants further investigation into other causes of anemia.
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 ».