Improved micronutrient status and health outcomes in low- and middle-income countries following large-scale fortification: evidence from a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Micronutrient malnutrition is highly prevalent in low- and middle-income countries (LMICs) and disproportionately affects women and children. Although the effectiveness of large-scale food fortification (LSFF) of staple foods to prevent micronutrient deficiencies in high-income settings has been demonstrated, its effectiveness in LMICs is less well characterized. This is important as food consumption patterns, potential food vehicles, and therefore potential for impact may vary substantially in these contexts. OBJECTIVES: The aim of this study was to determine the real-world impact of LSFF with key micronutrients (vitamin A, iodine, iron, folic acid) on improving micronutrient status and functional health outcomes in LMICs. METHODS: All applicable published/unpublished evidence was systematically retrieved and analyzed. Studies were not restricted by age or sex. Meta-analyses were performed for quantitative outcomes and results were presented as summary RRs, ORs, or standardized mean differences (SMDs) with 95% CIs. RESULTS: LSFF increased serum micronutrient concentrations in several populations and demonstrated a positive impact on functional outcomes, including a 34% reduction in anemia (RR: 0.66; 95% CI: 0.59, 0.74), a 74% reduction in the odds of goiter (OR: 0.26; 95% CI: 0.16, 0.43), and a 41% reduction in the odds of neural tube defects (OR: 0.59; 95% CI: 0.49, 0.70). Additionally, we found that LSFF with vitamin A could protect nearly 3 million children per year from vitamin A deficiency. We noted an age-specific effect of fortification, with women (aged >18 y) attaining greater benefit than children, who may consume smaller quantities of fortified staple foods. Several programmatic/implementation factors were also reviewed that may facilitate or limit program potential. CONCLUSIONS: Measurable improvements in the micronutrient and health status of women and children are possible with LSFF. However, context and implementation factors are important when assessing programmatic sustainability and impact, and data on these are quite limited in LMIC studies.
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 | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,034 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».