Season and preterm birth in Norway: A cautionary tale
Notice bibliographique
Résumé
BACKGROUND: Preterm birth is a common, costly and dangerous pregnancy complication. Seasonality of risk would suggest modifiable causes. METHODS: We examine seasonal effects on preterm birth, using data from the Medical Birth Registry of Norway (2,321,652 births), and show that results based on births are misleading and a fetuses-at-risk approach is essential. In our harmonic-regression Cox proportional hazards model we consider fetal risk of birth between 22 and 37 completed weeks of gestation. We examine effects of both day of year of conception (for early effects) and day of ongoing gestation (for seasonal effects on labour onset) as modifiers of gestational-age-based risk. RESULTS: Naïve analysis of preterm rates across days of birth shows compelling evidence for seasonality (P < 10(-152)). However, the reconstructed numbers of conceptions also vary with season (P < 10(-307)), confounding results by inducing seasonal variation in the age distribution of the fetal population at risk. When we instead properly treat fetuses as the individuals at risk, restrict analysis to pregnancies with relatively accurate ultrasound-based assessment of gestational age (available since 1998) and adjust for socio-demographic factors and maternal smoking, we find modest effects of both time of year of conception and time of year at risk, with peaks for early preterm near early January and early July. CONCLUSIONS: Analyses of seasonal effects on preterm birth are demonstrably vulnerable to confounding by seasonality of conception, measurement error in conception dating, and socio-demographic factors. The seasonal variation based on fetuses reveals two peaks for early preterm, coinciding with New Year's Day and the early July beginning of Norway's summer break, and may simply reflect a holiday-related pattern of unintended conception.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».