The Dose-Response Effect of Calcium Supplementation on Biomarkers Associated With the Pathogenesis of Preeclampsia in Tanzania
Notice bibliographique
Résumé
Results: After screening 6,425 abstracts, 56 studies in 66 reports were included, reporting >200 analyses.Sixty-three countries were represented, including 39 low-and middle-income economies (LMICs).Most frequent interventions were: vitamin A, folic acid, iron, and iodine added to cereal grains/ products (e.g., flours) and condiments (e.g., oils, sugar, salt).Models were heterogeneous and employed various perspectives.Most evaluations (58%; 135/232) had ICERs less than $150 per disability-adjusted life year (DALY) averted (or healthy life year gained).We found 87% (201/232) overall were within a hypothetical CE threshold of "50% GDP pc".With an example "35% GDP pc" level among LMICs, 84% (190/227) were estimated to be cost-effective; and 71% (37/52) were less than "20% GDP pc" among low-income countries.Additionally, six out of eight costutility studies' ICERs were dominant.Moreover, 47 total unique benefit-cost ratios found benefits outweighed costs, ranging from 1⋅50:1 to 100⋅6:1.Conclusions: Food fortification programs are likely costeffective in the majority of contexts.While cost-effectiveness evaluations are specific to local factors and methodology, this research can assist with evidence-informed decision-making for global health policy and priority setting, particularly in resourceconstrained economies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».