Anemia among Women of Reproductive Age: An Overview of Global Burden, Trends, Determinants, and Drivers of Progress in Low- and Middle-Income Countries
Notice bibliographique
Résumé
Relatively little progress has been made in reducing anemia prevalence among women of reproductive age (WRA anemia). Interventions, policies and programs aimed at reducing WRA anemia have the potential to improve overall not only women's, but also children's health and nutrition outcomes. To our knowledge, this is the first review that aimed to compile evidence on the determinants and drivers of WRA anemia reduction in low- and middle-income countries (LMICs). We synthesized the available evidence on the determinants and drivers, including government policies and programs, of WRA anemia and their mitigation strategies across a wide range of countries and geographies, thus contributing to the complex and multifactorial etiology of anemia. We carried out a systematic review of published peer-reviewed and grey literature assessing national or subnational decline in WRA anemia prevalence and the associated drivers in LMICs. Among the 21 studies meeting our inclusion criteria, proximal determinants of healthcare utilization, especially during pregnancy and with the use of contraceptives, were strong drivers of WRA anemia reduction. Changes in other maternal characteristics, such as an increase in age at first pregnancy, BMI, birth spacing, and reduction in parity, were associated with modest improvements in anemia prevalence. Access to fortified foods, especially iron-fortified flour, was also a predictor of a decrease in WRA anemia. Of the intermediate determinants, an increase in household wealth, educational attainment and access to improved sanitation contributed significantly to WRA anemia reduction. Although several common determinants emerged at the proximal and intermediate levels, the set of anemia determinants and the strength of the association between each driver and WRA anemia reduction were unique in each setting included in this review. Further research is needed to provide targeted recommendations for each country and region where WRA anemia prevalence remains high.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».