Understanding the determinants of anemia reduction among women of reproductive age: Exemplar country case studies’ methodology
Notice bibliographique
Résumé
BACKGROUND: Since 2000, only a few countries have substantially reduced the burden of anemia among women 15-49 y of age. The Exemplars in Anemia Reduction among Women of Reproductive Age (WRA) studied the determinants of success among these countries. OBJECTIVES: To describe the methodology used to determine the factors associated with anemia reduction in high-performing countries, with the aim to guide policy and programmatic decisions in other countries with similar sociodemographic and health indices. METHODS: This article describes the process used to identify countries with exemplary reduction in WRA anemia burden, compared with their peers. We describe the Exemplars in Global Health methodology, the mixed-methods approach used to identify and quantify the macro- and microlevel characteristics associated with anemia burden decline among WRA. Quantitative analyses include descriptive and equity analyses, multivariate linear regression, and Oaxaca-Blinder decomposition analysis. Qualitative analyses include in-depth interviews and focus group discussions with national, subnational, and community stakeholders, as well as review of programs and policies with the potential to impact women's health and/or nutrition, enacted in the countries over the last 20 y. A technical advisory group oversaw all research activities. RESULTS: We identified 5 countries, namely, Mexico, Pakistan, Philippines, Uganda, and Senegal, as anemia exemplars, after considering the magnitude of anemia decline between 2000 and 2018, availability of ≥2 nationally representative anemia surveys, geographical diversity to account for the complex etiology of anemia, regional representation, and logistics of in-country work. CONCLUSIONS: Exemplars in Anemia Reduction among WRA seeks to create awareness of how little anemia prevalence has changed globally and aims to inform and spur global efforts for improving women's health and nutrition.
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 | 0,027 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».