Associations between early childhood caries, malnutrition and anemia: a global perspective
Notice bibliographique
Résumé
Abstract Background Malnutrition is the main risk factor for most common communicable diseases. The aim of this study is to determine the relationship between country-level prevalence of early childhood caries (ECC), malnutrition and anemia in infants and preschool children. Methods Matched country-level ECC, malnutrition and anemia prevalence were generated from databases covering the period 2000 to 2017. Multivariate general linear models were developed to assess the relationship between outcome variables (prevalence of stunting, wasting, overweight, and anemia) and the explanatory variable (ECC prevalence) adjusted for gross national income per capita. Adjusted regression coefficients (B) and partial eta squared were computed. Results The mean (standard deviation (SD)) ECC prevalence was 23.8 (14.8)% for 0–2 year-olds and 57.3 (22.4)% for 3–5-year-olds. The mean (SD) prevalence of wasting was 6.3 (4.8)%, overweight 7.2 (4.9)%, stunting 24.3 (13.5)%, and anemia 37.8 (18.1)%. For 0–2-year-olds, the strongest and only significant association was between the prevalence of ECC and overweight (η2 = 0.21): 1 % higher ECC prevalence was associated with 0.12% higher prevalence of overweight (B = 0.12, P = 0.03). In 3–5-year-olds, the strongest and only significant association was between the prevalence of ECC and anemia (η2 = 0.08): 1 % higher prevalence of ECC was associated with 0.14% lower prevalence of anemia (B = − 0.14, P = 0.048). Conclusion Country-level prevalence of ECC was associated with malnutrition in 0–2-year-olds and with anemia in 3–5-year-olds. The pathway for the direct relationship between ECC and overweight may be diet related. The pathway for the inverse relationship between ECC and anemia is less clear and needs further investigations.
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 ».