Pattern and Determinants of Gestational Weight Gain an Important Predictor of Infant Birth Weight in a Developing Country
Notice bibliographique
Résumé
The study aimed to determine correlates of gestational weight gain and infant birth weight of pregnant women attending antenatal clinics in public primary health care facilities in lfe Central and East Local Government Areas of Osun State, Nigeria. Over 1000 women were recruited during booking and antenatal clinic and followed up till delivery. Chi square was used in the bivariate analysis of association between gestational weight gain, pre pregnancy BMI and demographic characteristics. The correlates of gestational weight gain and infant birth weight were determined by linear regression analysis. Eight percent are underweight, 10.3% are overweight or obese, 78% had a weight gain less than 7kg and 0.5% had a weight gain above 11.5kg. Ninety seven percent gained less than recommended weight, only 3% of the women gained the recommended weight for their pre pregnant BMI mostly the obese women. Twenty eight percent of the women had infant weight within normal (2.5kg and above) .The infant weight increases with the gestational age, maternal age and parity but decreases with gestational weight gain though not significant. Maternal age and parity were significant predictors of gestational weight gain and. pre pregnancy BMI was a significant predictor of infant birth weight. The gestational weight gain and infant weight reduces as the pre pregnant BMI increases. Most of the women had low birth weight babies. There is a need to educate mothers on good weight before conception in order to improve birth outcome in view of other factors not looked into in the present study.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».