Association of Iron Deficiency Anemia with Cognitive and Physical Performance in Women Presenting with Heavy Menstrual Bleeding: A Cross-Sectional Study
Notice bibliographique
Résumé
Background: Heavy menstrual bleeding is a common gynecological problem and a leading cause of iron deficiency anemia in women of reproductive age. While anemia is routinely identified, its impact on cognitive function and physical performance is frequently under-recognized in clinical practice. Objective: To determine the association of iron deficiency anemia with cognitive and physical performance in women presenting with heavy menstrual bleeding. Methods: This hospital-based cross-sectional study was conducted from February 2024 to March 2025 at a tertiary-care hospital. A total of 120 women aged 18–45 years presenting with heavy menstrual bleeding were enrolled through consecutive sampling. Hemoglobin and serum ferritin levels were measured to classify participants into iron deficiency anemia and non–iron deficiency anemia groups. Cognitive performance was assessed using the Montreal Cognitive Assessment, while physical performance was evaluated using handgrip strength and the six-minute walk test. Statistical comparisons and multivariable regression analyses were performed to assess independent associations. Results: Iron deficiency anemia was present in 58.3% of participants. Women with iron deficiency anemia demonstrated significantly lower cognitive scores and reduced physical performance compared to non-anemic women. Hemoglobin and ferritin levels showed positive correlations with both cognitive and physical performance measures. After adjustment for potential confounders, iron deficiency anemia remained an independent predictor of impaired cognitive function and reduced physical capacity. Conclusion: Iron deficiency anemia is highly prevalent among women with heavy menstrual bleeding and is independently associated with poorer cognitive and physical performance. Routine screening and timely management of iron deficiency anemia should be integrated into standard care for women with heavy menstrual bleeding to improve functional outcomes.
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 | 0,002 |
| 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 | 0,000 | 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 ».