Anemia, iron status, and associated protective and risk factors among children and adolescents aged 3 to 19 years old from four First Nations communities in Quebec
Notice bibliographique
Résumé
OBJECTIVES: Anemia and iron deficiency (ID) are frequent among Indigenous children of Canada, but few data are available in Quebec. The present study aimed to characterize anemia and ID prevalence and associated protective and risk factors among First Nations youth in Quebec. METHODS: The 2015 First Nations (JES!-YEH!) pilot study was conducted among children and adolescents (3 to 19 years; n = 198) from four First Nations communities in Quebec. Blood and urine samples and anthropometric measurements were collected. Hemoglobin (Hb), serum ferritin (SF), plasma hs-CRP, and urinary cotinine levels were measured. Factors associated with anemia and ID (including traditional and market food consumption) were assessed using an interview-administered food frequency questionnaire, based on which nutritional intakes were calculated. Structural equation models were used to test associations. RESULTS: The prevalence of anemia and ID was elevated (16.8% and 20.5% respectively). Traditional meat, fruit, and fruit juice (natural and powdered)-via their positive association with vitamin C intake-were the only food variables positively associated with SF (coefficient [95% CI] 0.017 [0.000, 0.114]; 0.090 [0.027, 0.161]; and 0.237 [0.060, 0.411]). Male sex was also associated with higher SF (0.295 [0.093, 0.502]). Inflammation status (hs-CRP > 5 mg/L) was inversely associated with Hb (- 0.015 [- 0.025, - 0.005]), whereas SF was positively associated with Hb (0.066 [0.040, 0.096]). Fruit and juice consumption was also positively associated with Hb, via vitamin C intake and SF (0.004 [0.001, 0.010]; 0.008 [0.003, 0.017]). CONCLUSIONS: Interventions fostering healthier food environments as well as higher consumption of traditional meats and foods naturally rich in vitamin C, which is known to enhance iron absorption, and fighting inflammation could contribute to decrease the high prevalence of anemia and ID in this young Indigenous population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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) | 0,001 | 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 ».