Optimal birth weight percentile cut‐offs in defining small‐ or large‐for‐gestational‐age
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
AIMS: It remains questionable what birth weight for gestational age percentile cut-offs should be used in defining clinically important poor or excessive foetal growth. We aimed to evaluate the optimal birth weight percentile cut-offs for defining small- or large-for-gestational-age (SGA or LGA). METHODS: In a birth cohort-based analysis of 17 979 120 non-malformation singleton live births, U.S. 1995-2001, we assessed the optimal birth weight percentile cut-offs for defining SGA and LGA. The 25th-75th percentile group served as the reference. Primary outcomes are the risk ratios (RR) of neonatal death and low 5-min Apgar score (<4) comparing SGA or LGA versus the reference group. More than 2-fold risk elevations were considered clinically significant. RESULTS: The 15th birth weight cut-off already identified SGA infants at more than 2-fold risk of neonatal death at pre-term, term or post-term, except for extremely pre-term births <28 weeks (continuous risk reductions over increasing birth weight percentiles). LGA was associated with a reduced risk of low 5-min Apgar score at pre-term, but an elevated risk at term and post-term. The 97th cut-off identified LGA infants at 2-fold risk of low 5-min Apgar at term. CONCLUSION: The commonly used 10th and 90th birth weight percentile cut-offs for defining SGA and LGA respectively seem largely arbitrary. The 15th and 97th percentiles may be the optimal cut-offs to define SGA and LGA respectively.
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