Contribution of prepregnancy body mass index and gestational weight gain to adverse neonatal outcomes: population attributable fractions for Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Low or high prepregnancy body mass index (BMI) and inadequate or excess gestational weight gain (GWG) are associated with adverse neonatal outcomes. This study estimates the contribution of these risk factors to preterm births (PTBs), small-for-gestational age (SGA) and large-for-gestational age (LGA) births in Canada compared to the contribution of prenatal smoking, a recognized perinatal risk factor. METHODS: We analyzed data from the Canadian Maternity Experiences Survey. A sample of 5,930 women who had a singleton live birth in 2005-2006 was weighted to a nationally representative population of 71,200 women. From adjusted odds ratios, we calculated population attributable fractions to estimate the contribution of BMI, GWG and prenatal smoking to PTB, SGA and LGA infants overall and across four obstetric groups. RESULTS: Overall, 6% of women were underweight (<18.5 kg/m(2)) and 34.4% were overweight or obese (≥25.0 kg/m(2)). More than half (59.4%) gained above the recommended weight for their BMI, 18.6% gained less than the recommended weight and 10.4% smoked prenatally. Excess GWG contributed more to adverse outcomes than BMI, contributing to 18.2% of PTB and 15.9% of LGA. Although the distribution of BMI and GWG was similar across obstetric groups, their impact was greater among primigravid women and multigravid women without a previous PTB or pregnancy loss. The contributions of BMI and GWG to PTB and SGA exceeded that of prenatal smoking. CONCLUSIONS: Maternal weight, and GWG in particular, contributes significantly to the occurrence of adverse neonatal outcomes in Canada. Indeed, this contribution exceeds that of prenatal smoking for PTB and SGA, highlighting its public health importance.
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.
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 | 0,000 | 0,001 |
| 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 découle