Intergenerational influences on childhood anaemia
Notice bibliographique
Résumé
Prior research on assessing intergenerational influences on child anaemia has largely approached it from purely maternal perspective. Although there is much merit to focus on that, it is an extremely limited/reductionist view of understanding intergenerational influences. We expanded the intergenerational influences to include the fathers and overall of intergenerational household transfers. We analysed a sample of 19,619 mother-father-offspring trios from the 2015-2016 Indian National Fertility and Health Survey with available data on haemoglobin (Hb). Multinomial logistic regression models were used to establish associations between parent anaemia, household characteristics, and categories of offspring anaemia. Maternal and paternal Hb was measured as in children using a finger prick blood sample. The primary outcome was child's Hb level (in g/dl) and grades of anaemia defined as mild (10-10.9 g/dl), moderate (7-9.9 g/dl), and severe (<7 g/dl). Mean Hb was 10.1 g/dl for children, 14.2 g/dl among fathers, and 11.4 g/dl among mothers. Hb correlation was 0.1 between fathers and offspring and 0.2 between mothers and offspring (P < 0.001 for all correlations). Maternal-paternal Hb correlations were consistent across quintiles of wealth index. Maternal anaemia was associated with odds ratio of 1.3 (95% CI [1.1, 1.4]) and 1.6 (95% CI [1.4, 1.7]) for childhood mild and moderate/severe anaemia, respectively. Paternal mild anaemia was associated with an odds ratio of 1.1 (95% CI [0.9, 1.4]) and 1.4 (95% CI [1.2, 1.7]) for child moderate/severe anaemia. The clustering of poor circumstances suggests that public health strategies target social deprivation at the household level. A comprehensive perspective will provide holistic interventions to control childhood anaemia.
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 ».