Predicting the Consumption of Iron‐Rich Foods During Pregnancy in Senegal: A Path Analysis
Notice bibliographique
Résumé
A limited consumption of iron-rich foods (IRF) is associated with a higher risk of anemia throughout the human life cycle, particularly during pregnancy. Using the extended version of the theory of planned behavior (eTPB), this study aims to identify pathways by which individual (attitude, subjective norm, the perceived behavioral control) and environmental-related factors may influence IRF consumption among pregnant women (PW) from all regions of Senegal. To evaluate IRF consumption in the past day and night, a food frequency questionnaire consisting of a list of IRF with yes/no responses was used. Constructs of the eTPB were assessed through a face-to-face interview conducted with each woman using a valid and reliable questionnaire with Likert scales. Our findings reveal that 9 out of 10 PW (n = 429) had the intention to consume IRF, while about 80% did consume them. Path analyses were conducted. There was no association between the intention and the behavior of interest. The consumption of IRF was predicted by control beliefs or the perceived ability of women to perform the behavior (β = 0.23, p < 0.001). In turn, control beliefs were positively associated with environmental barriers (β = 0.40, p < 0.001). In light of the results, we reiterate the importance of implementing a multisectoral approach to improve the consumption of IRF among PW. Yet, further research is required to better understand pathways through which the intention, psychosocial and environmental factors influence IRF consumption as well as the role of other potential causes of anemia among PW.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».