MétaCan
Menu
Retour à la cohorte
Enregistrement W4399676441 · doi:10.58578/ajstea.v2i3.3196

Anemia Due to Low-Iron Affects Cognitive Capacity of Adolescent Girls Schooling in Secondary Schools in Sokoto, Nigeria

2024· article· en· W4399676441 sur OpenAlexaboutno aff
Yusuf Yahaya Miya, Thomas Murma Butuwo, Abdullateef Abdullahi A., Blessing Godwin Ukwak

Notice bibliographique

RevueAsian Journal of Science Technology Engineering and Art · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnemiaAffect (linguistics)CognitionMedicinePediatricsPsychological interventionCognitive developmentGerontologyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Anemia is a problem occurring due to poor iron intake or hereditary sickle cells threating public health in many adolescents and adults. Anemia is able to affect cognitive ability of people especially adolescents (youngsters). This study evaluates the effect of iron-deficiency anemia and sickle cell anemia on cognition of some adolescents schooling girls from Sokoto, Nigeria. The study consisted of recruitment of 80 girls (40 normal, and 40 anemic) subjected to Montreal Cognitive Assessment. 10 girls diagnosed with sickle cell anemia and 25 normal girls were assessed with Montreal cognitive assessment. The mean marks of the respondents were noted; therewith, chi-square test revealed significant difference at (p<0.05). The anemic girls earned less mean marks (400.0 ± 13.0) compared to the normal girls (960.0 ± 25.0). The healthy participants in the study scored higher marks (945.0 ± 10.0) than the sickle cell anemia patients (90.0 ± 3). Therefore, anemia is of the potential to affect cognitive capacity of schooling girls in Sokoto. Nutritional and related interventions are important, because poor cognition may affect education and overall potential of girls to be keys in growth and development of societies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,230
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Science Technology Engineering and ArtMême sujetIron Metabolism and DisordersTravaux en français237 207