Disparities in the prevalence and risk factors of anaemia among children aged 6–24 months and 25–59 months in Ethiopia
Notice bibliographique
Résumé
Despite global efforts made to address anaemia, the prevalence remains high in most Sub-Saharan African countries. In Ethiopia, anaemia poses a very strong public health concern. The purpose of the present study was to examine the key risk factors related to anaemia among children aged 6-24 months (younger age group) and 25-59 months (older age group). We used the 2016 Ethiopian Demographic and Health Survey data, collected from 11 023 mothers with under five children. Ordered logistic regression modelling was used for assessing risk factors of childhood anaemia. The results suggest that the prevalence of anaemia was 72 % in the younger and 49 % in the older age groups. The risk factors for anaemia in the younger age group were morbidity (odds ratio (OR) 1⋅77; CI 1⋅21, 2⋅60), having no piped water source (OR 1⋅76; CI 1⋅07, 3⋅01) and no toilet facility (OR 1⋅60; CI 1⋅07, 2⋅38). The key risk factors for anaemia in the older age group were no micronutrient intake (OR 1⋅69; CI 1⋅23, 2⋅31), having a young mother (15-24 years old) (OR 1⋅35; CI 0⋅84, 1⋅91) and a non-working mother (OR 1⋅50; CI 1⋅15, 1⋅96). Anaemia also varied by region, place of residence and economic factors. Multiple factors contributed to the high prevalence of anaemia. Given the structural problem that the country has intervention strategies should consider the unique characteristics of regions and rural residences where the prevalence of anaemia is above the national average.
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) | 0,000 | 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 | 0,000 |
| 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 ».