Multiple Infections, Nutrient Deficiencies, and Inflammation as Determinants of Anemia and Iron Status during Pregnancy: The MINDI Cohort
Notice bibliographique
Résumé
= 213 Panamanian indigenous women), we investigated if hemoglobin, anemia (Hb < 110 g/L), ferritin, serum iron, serum transferrin receptor, and hepcidin were associated with (1) maternal nutritional status and supplementation practices, (2) biomarkers of inflammation, and (3) presence/absence of infections. Hierarchical generalized linear and logistic regression models and dominance analyses identified the relative importance of these predictors. Anemia (38%), which was likely underestimated due to low plasma volume (95%), was associated with lower ferritin, vitamin A, and weight-for-height, suggesting anemia of undernutrition. Inflammation was not associated with Hb or anemia; nevertheless, higher CRP was associated with increased odds of low serum iron and higher ferritin and hepcidin, indicating iron restriction due to inflammation. The length of iron supplementation did not enter models for anemia or iron indicators, but a multiple nutrient supplement was associated with higher ferritin and hepcidin. Moreover, iron supplementation was associated with higher odds of vaginal trichomoniasis but lower odds of caries and bacterial vaginosis. The complex pathogenesis of anemia and iron deficiency in MINDI settings may require other interventions beyond iron supplementation.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».