Correlates of Anemia in Children Under Five: A Meta-analysis of 1.39 Million Cases in India
Notice bibliographique
Résumé
Context: To help children grow healthily, early detection and prevention of anemia are necessary.Objective: The present meta-analysis focused on estimating the pooled prevalence and key risk factors of anemia among children (under 5 years) in this population. Evidence acquisition:The present study searched PubMed/Google Scholar for studies published (2000-2025), reporting anemia prevalence.A total of 24 studies had 13,90,567 children were included.Data analyses using common/random-effects models were used to estimate pooled prevalence and associated risk factors.Heterogeneity (I²), subgroup analysis, and publication bias (Egger's test) were assessed.The Newcastle-Ottawa Scale (NOS) was used for quality assessment.Results: Among 24 studies, the pooled prevalence of anemia among children under five was 62.2% (95% CI: 53.4-70.2%)under the randomeffects model.Inter-state prevalence varied from 4.7 to 92.9%, with Uttar Pradesh reporting the highest pooled estimate (77.4%).Toddlers (12-35 months) were identified as a high-risk age-group for anemia, stunting, under-nutrition, and severe anemia in mothers, with almost triple the likelihood of an anemic child.Low iron biomarkers are the best diagnostic parameter for anemia.Heterogeneity was present across studies (I² > 75%) with no significant publication bias (p = 0.203).Conclusion: Overall, the study showed anemia continues to affect a large proportion of Indian children, with significant interstate and demographic disparities.Policymakers must target vulnerable groups, significant risk factors, and region-specific strategies to reduce the anemia burden in early childhood.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,048 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».