MétaCan
Menu
Retour à la cohorte
Enregistrement W4282843475 · doi:10.1093/cdn/nzac060.019

Nutritional Anemia Reductions in Women of Childbearing Age Due to Food Fortification

2022· article· en· W4282843475 sur OpenAlexaffabout
Andrea D. Dorbu, Hannah Waddel, Manpreet Chadha, C. Christina Mehta, Mandana Arabi, Reneé H. Moore, Helena Pachón

Notice bibliographique

RevueCurrent Developments in Nutrition · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensNutrition International
Organismes subventionnairesnon disponible
Mots-clésFortificationAnemiaMicronutrientMedicineHemoglobinAnimal scienceNutrientConfidence intervalBiofortificationFood scienceInternal medicineChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Review literature and conduct a meta-analysis to quantify changes in hemoglobin (Hb) and anemia prevalence among women of childbearing age after fortification of wheat flour, maize flour, rice and oil (singly or combined). Online databases were searched for English-language documents with no restrictions on location or publication date that included longitudinal, pre-post cross-sectional, efficacy and effectiveness studies. A Bayesian arm-based meta-analysis estimated mean change and probability of Hb and anemia improvement from 17 studies. Results were stratified by fortified food and nutrients added to food. There was a > 95% probability that fortified wheat flour improved Hb and reduced anemia; mean Hb increased by 3.39 g/L (95% Credible Interval (CI) –0.63, 7.17) and anemia decreased by 12.8 percentage points (pp) (95% CI –23, 0.9). Likewise, fortified rice had a > 65% probability of improving Hb and reducing anemia; mean Hb increased by 2.71 g/L (95% CI –4.88, 10.64) and anemia decreased by 16.9 pp (95% CI –81, 37.8). Conversely, fortified maize flour had < 45% probability of improving Hb and reducing anemia; mean Hb decreased by 2.88 g/L (95% CI−12.85, 7.24) and anemia increased by 13.5 pp (95% CI –133,164). There was a > 90% probability that fortifying maize flour, oil, rice, and/or wheat flour with iron, folic acid or multiple micronutrients (MM) improved Hb. Mean Hb increase was highest for iron fortification (3.93 g/L, 95% CI 0.50, 7.56), followed by folic-acid fortification (3.42 g/L, 95% CI –2.08, 9.56), and lowest for MM fortification (2.11 g/L, 95% CI 0.75, 3.68). There was a > 45% probability that fortifying with any nutrients reduced anemia. Mean anemia decrease was highest for iron at 17.3 pp (95% CI –78.2, 35), followed by folic acid at 7.2 pp (95% CI −32.5, 19.7); however, fortification with MM increased anemia by 1.2 pp (95% CI –9.8, 14.9). There was a high probability of fortification increasing hemoglobin concentration if wheat flour or rice are fortified independently, and if foods are fortified with iron alone, folic acid alone, or a combination of multiple micronutrients. Anemia reductions were greatest for fortified wheat flour and rice and for foods fortified with iron and folic acid. Global Affairs Canada.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,019
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,033
Tête enseignante GPT0,291
Écart entre enseignants0,258 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in NutritionMême sujetIron Metabolism and DisordersTravaux en français237 207