A study on the prevalence of under-nutrition among the irular tribal adolescent girls in thiruvallur district, tamil nadu, south india.
Notice bibliographique
Résumé
Background: Under-nutrition during the adolescence is an important public health problem in developing countries particularly in rural India. There is paucity of data on Under-nutrition among the Tribals wherein early detection prevents adverse health problems Objective: To assess the prevalence of under-nutrition among the Irular adolescent girls in Tamil Nadu. Methods: A community based Cross-sectional study was conducted among 200 Irular girls aged 10 to 19 years in Irularpalayam in Minjur block, Thiruvallur District of Tamil Nadu using the Multi-stage sampling method during March to July 2013. Socio-demographic data, anthropometric measurements, Hemoglobin estimation were recorded and Thinness was defined as BMI < 5th centile (CDC 2000). Anemia was defined as Hb < 12 gm% for non-pregnant girls Results: The prevalence of Thinness was 63.5% with increasing severity with advancing age with statistical significance. Prevalence of Anemia was 58% with increasing severity with age. Majority of 70% had clinical signs of Under-nutrition. Access to Health services was observed to be very low in this community.Conclusion: Under-nutrition in the form of Thinness and Anemia is highly prevalent among the Irular adolescent girls requiring special focus on Health education, nutritional interventions for a healthy productive life.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».