Associations between early childhood caries and malnutrition and anemia: A global perspective
Notice bibliographique
Résumé
Abstract Background 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 information were generated from databases covering the period from 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. The adjusted regression coefficients (B) and partial eta squared were computed.Results The mean (standard deviation (SD)) ECC prevalence for 0-2 year-olds was 23.8 (14.8)% and 57.3 (22.4)% for 3-5 year-olds. The mean (SD) prevalence of wasting was 6.3 (4.8)%, overweight was 7.2 (4.9)%, stunting was 24.3 (13.5)%, and anemia was 37.8 (18.1)%. For 0-2-year-olds, the strongest and only significant association observed was between the prevalence of ECC and overweight (η2= 0.21): one percent 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 observed between the prevalence of ECC and anemia (η2= 0.08): one percent higher prevalence of ECC was associated with 0.14% lower prevalence of anemia (B= -0.14, P= 0.048).Conclusion There were age-related disparities in the relationship between country-level prevalence of ECC, malnutrition and anemia. The relationship between ECC and overweight may be due to intake of sugars. The relationship between ECC and anemia 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 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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».