Drivers of anemia reduction among women of reproductive age in the Philippines: a country case study
Notice bibliographique
Résumé
BACKGROUND: Anemia prevalence among women of reproductive age (WRA) in the Philippines was 25% in 2000, decreasing to 13% in 2018. To date, an in-depth assessment of the determinants associated with this decline has not been conducted. OBJECTIVES: This study aimed to conduct a systematic in-depth assessment of the quantitative and qualitative determinants of anemia among WRA in the Philippines between 2008 and 2018. METHODS: Using standard Exemplars methodology, we conducted quantitative analyses using the Philippines' National Nutrition Survey, the Expanded National Nutrition Survey, and the Philippines National Demographic and Health Surveys. Qualitative analyses included a comprehensive literature review, program/policy analysis, and interviews with stakeholders to understand country-level enablers and barriers to WRA anemia decline in the Philippines. A final Oaxaca-Blinder decomposition analysis evaluated the relative contribution of direct and indirect factors. RESULTS: Among nonpregnant women (NPW), mean hemoglobin (Hb) increased from 12.7 g/dL in 2008 to 13.1 g/dL in 2018 (P < 0.01), corresponding to an 11%-point decline in anemia prevalence (from 23% to 12%). Inequities by geographical region, household wealth, and women's educational attainment narrowed considerably during this time. Important direct and indirect nutrition programs were introduced during our study period, including universal health care and food fortification. Country experts interviewed credited programs focused on alleviating micronutrient deficiencies and poverty, and improvements in women's health and well-being, for the country's extraordinary success. Oaxaca-Blinder decomposition analysis explained ∼50% of the observed change in mean Hb among NPW, with family planning (35%), household sociodemographics (29%), and improvement in women's nutrition (23%) emerging as critical drivers of anemia decline, corroborating our qualitative and policy analyses. CONCLUSIONS: To protect these gains, WRA anemia prevention efforts in the Philippines should continue to focus on universal health care access, women's empowerment, and poverty alleviation.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».