Prevalence, Morphological Classification, and Factors Associated With Severe Anemia among Children Under 5 Years of Age at Itojo Hospital
Notice bibliographique
Résumé
study sought to establish the prevalence, morphological classifications, and factors associated with severe anemia among children attending Itojo Hospital. A hospital-based cross-sectional study design was used in this study in which children aged less than 5 years who attended the pediatric ward at Itojo Hospital were involved. Patients were consecutively recruited until a sample size of 296 was obtained. Data were collected from patients’ caregivers with a structured questionnaire. Data analysis was done using SPSS Version 20.0. Descriptive statistics and bivariate and multivariate logistic regression were used during data analysis. Multiple logistic regression models were used to show the strength of the relationship and the likelihood that each of the factors would lead to severe anemia among children under 5 years. Of the 296 patients enrolled, the prevalence of severe anemia was 13.9%. The Majority of the patients (50.7%) had microcytic anemia, followed by 32.8% with normocytic anemia. Factors that were significantly associated with severe anemia were the age of the child (P=0.029), HIV/AIDS (P=0.000), leukemia (P=0.000), and sickle cell disease (P=0.000). The prevalence of severe anemia among children less than five years of age was found to be relatively high hence increasingly becoming a public health problem. There is a need for age-specific interventions that comprehensively address the issue of improved nutrition, prevention, and management of HIV infection as well as chronic and genetic disorders.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».