MétaCan
Menu
Retour à la cohorte
Enregistrement W2005772893 · doi:10.5402/2013/206120

Prenatal Exposure to Maternal Cigarette Smoke and Offspring Risk of Excess Weight Is Independent of Both Birth Weight and Catch-Up Growth

2012· article· en· W2005772893 sur OpenAlexafffundabout
Jonathan Gravel, Beth K. Potter, Lise Dubois

Notice bibliographique

RevueISRN Epidemiology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensInstitute of Population and Public HealthUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOffspringOverweightBirth weightLogistic regressionMedicineDemographyMediationConfoundingPregnancyObesityInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Prenatal exposure to maternal cigarette smoke (PEMCS) is one of the most common insults to the developing fetus and has consistently emerged as an important risk factor for excess weight in the offspring. However, no consensus exists on the mechanism of action or duration of impact. This study seeks to further examine the role of PEMCS on overweight status of children up to age 10. Mother and child pairs ( n=1183 ) were analysed from the Québec Longitudinal Study of Child Development (QLSCD) (1998–2010). Multivariable logistic regression models were used to control for confounders and assess mediation. PEMCS was associated with overweight status at age 10 (OR: 1.70; 95% CI: 1.20–2.43) after adjustment for early life exposures and childhood behaviours. This relationship remained robust after adjustment for birth weight and catch-up growth. Other significant predictors included APGAR score, mother’s immigrant and weight status, family type and child energy intake. The elevated risk of excess weight among the offspring of smoking mothers was not accounted for by other known determinants, and PEMCS appears to play a role independent of birth weight and catch-up growth. Our research suggests that young mothers may be an important audience for targeting preventive strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,341

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,293
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueISRN EpidemiologyMême sujetObesity, Physical Activity, DietTravaux en français237 207