MétaCan
Menu
← Retour à la cohorte
Enregistrement W3170984789 · doi:10.1096/fasebj.27.1_supplement.845.5

Interrelationships of growth, development and biomarkers of iron status

2013· article· en· W3170984789 sur OpenAlexaff
Nagalla Balakrishna, KV Radhakrishna, K. Madhavan Nair, Sylvia Fernandez‐Rao, P Ravinder, Kristen Hurley, Nicholas Tilton, Kimberly Harding, Greg Reinhart, Maureen M. Black

Notice bibliographique

RevueThe FASEB Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésConfirmatory factor analysisStructural equation modelingStatisticsMathematicsGoodness of fitSerum ferritinIndex (typography)Latent variablePsychologyMedicineFerritinInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Objective To study the relationships between a set of observed variables and a set of continuous latent variables among growth, development and iron statues in rural infants using confirmatory factor analysis. Methods Z scores of height for age, weight for age and arm mid‐upper arm circumference for age were calculated. Motor, language and visual reception were in 497 infants of 6–12 months using Mullen Scales of Early Learning. Indicators of iron status, hemoglobin, ferritin and sTfR were analyzed. Comparative fit index (CFI), goodness of fit index (GFI), normed fit index (NFI) and root mean square error of approximation (RMSEA) were used for testing the model. Results CFI (0.962), GFI (0.966) and NFI (0.935) values met the criteria for an acceptable model fit ¡Ý0.90. The RMSEA obtained was 0.052 which is close to a cut‐off value of ¡Ü0.05 suggesting a good fit. The relationship between development, and indictors of iron status was significant r=0.130 (p<0.05). Fine motor and visual reception showed higher loadings for development. Other contributing variables were found to be weight and sTfR. Conclusions The results suggest that the model is valid to establish the interaction between iron status and development. Research support: Mathile Institute & Micronutrient Initiative

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetIron Metabolism and Disorders→Travaux en français237 207→