Burden and Determinants of Anemia in a Rural Population in South India: A Cross-Sectional Study
Notice bibliographique
Résumé
Background/Objectives . To determine the prevalence and determinants of blood haemoglobin level and mild, moderate, and severe anemia in a sample of adults from rural Tamil Nadu, India. Subjects/Methods . We recruited a sample of men and nonpregnant women aged 20 years and older. Clinical health measures included blood haemoglobin concentration and body mass index. We assessed associations between anemia outcomes and sociodemographic and dietary factors using linear and logistic regression modeling. Results . A total of 753 individuals (412 women and 341 men) participated in this study. The prevalence of anemia was 57.2% among women and 39.3% among men ( P <0.001). Prevalence of anemia increased with age among men ( P <0.001) but not women ( P >0.05). Iron intake was low; 11.7% women and 24.1% of men reported iron intakes above recommended dietary allowances ( P <0.001). Factors (OR (95% CI)) associated with mild or moderate anemia among women included television ownership (0.27 (0.13, 0.58)), livestock ownership (0.46 (0.28, 0.75)), refined grain consumption (1.32 (1.02, 1.72)), meat consumption (0.84 (0.71, 0.99)), and commercial agriculture production (mild: 4.6 (1.1, 18.8); moderate: 6.8 (1.98, 23.1)). Factors associated with mild, moderate, or severe anemia among men included rurality (0.50 (0.25, 0.99)), sugar consumption (1.04 (1.01, 1.06)), egg consumption (0.80 (0.65, 0.99)), and high caste (7.3 (1.02, 52.3)). Conclusion . Both women and men in this region may be particularly vulnerable to anemia, and future research must expand beyond dietary risk factors to examine the impacts of sociodemographic and environmental 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 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 ».