Associations Between Iron Deficiency Anemia and Wages in India: A Secondary Data Analysis (P22-016-19)
Notice bibliographique
Résumé
Economic analyses add value beyond evidence to the implementation of any policy. The study explored the association between iron deficiency anemia (IDA) and the wages of adult men and women between 15- 49 years in India so that the possible monetary benefits of iron fortification policies could be evaluated. National sample survey organization (NSSO) Employment- Unemployment data was statistically matched with the NSSO Consumer Expenditure data at an individual level for the year 2011–12. The anemia levels (assuming 50% of anemia was due to iron deficiency) was mathematically modelled in response to a wide range of nutrient intakes, including iron intake from heme and non-heme sources along with inhibitors and enhancers in the diet, adjusting for bioavailability, sanitation and menstrual losses in women. A two-stage Heckman selection model was used to establish the association between wages and IDA. In the first stage, a probit model was used to determine labour force participation and in the second stage, an ordinary least square model, corrected for sample selection bias, was used to determine the impact of IDA on wages. The presence of IDA resulted in a decline of 15.3 percentage points in wages of regular salaried employed men as compared to those without IDA. Similar patterns was observed for women but the impact of anemia on wages was lower in comparison to men. Among women, a decline of 8.0 percentage points was observed in the wages of regular salaried employed women compared to those without IDA. However, the presence of IDA had no significant impact on the wages of casual labourers. This indicated that there were other random factors that affected the wages of this segment of population. There is an association between IDA and wages for a segment of working population. Addressing anemia through iron fortification programs such as the usage of double fortified salt could possibly change living standards of the population through improvement in earnings. International Development Research Centre, Canada; Tata Trusts, India.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».