Screening for Iron Deficiency in Early Childhood Using Serum Ferritin in the Primary Care Setting
Notice bibliographique
Résumé
OBJECTIVES: The American Academy of Pediatrics recommends universal screening for anemia using hemoglobin at 12 months. However, hemoglobin lacks diagnostic accuracy for iron deficiency, and the optimal age for screening has not been determined. Our objective was to assess a screening strategy for iron deficiency using serum ferritin. METHODS: We conducted a cross-sectional study of children 1 to 3 years old attending a health supervision visit. We examined the relationship between child age and serum ferritin, age and hemoglobin, hemoglobin and serum ferritin, and the prevalence of elevated C-reactive protein (CRP). RESULTS: < .0001). A linear spline model revealed that from 12 to 15 months, for each 1-month increase in age, serum ferritin levels decreased by 9% (95% confidence interval [CI]: 5 to 13). From 15 to 24 months, the rate of change was nonsignificant. From 24 to 38 months, for each month increase in age, serum ferritin increased by 2% (95% CI: 1 to 2). For hemoglobin, from 12 to 24 months, the rate of change was nonsignificant. From 24 to 38 months, for each 1-month increase in age, hemoglobin increased by 20% (95% CI: 9 to 32). Compared with the serum ferritin cutoff of <12 μg/L, the hemoglobin cutoff of <110 g/L had a sensitivity of 25% (95% CI: 19 to 32) and a specificity of 89% (95% CI: 87 to 91). Elevated CRP ≥10 mg/L occurred in 3.3% (95% CI: 2.5 to 4.2). CONCLUSIONS: Screening for iron deficiency using serum ferritin at 15 or 18 months may be a promising strategy. For children at low risk for acute inflammation, concurrent measurement of CRP may not be necessary.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».