Comparison of secondhand smoke exposure measures during pregnancy in the development of a clinical prediction model for small-for-gestational-age among non-smoking Chinese pregnant women
Notice bibliographique
Résumé
OBJECTIVE: To compare predictive values of small-for-gestational-age (SGA) by different measures for secondhand smoke (SHS) exposure during pregnancy and to develop and validate a prediction model for SGA using SHS exposure along with sociodemographic and pregnancy factors. METHODS: We compared the predictability of different measures of SHS exposure during pregnancy for SGA among 545 Chinese pregnant women, and then used the optimal SHS measure along with other clinically available factors to develop and validate a prediction model for SGA. We fit logistic regression models to predict SGA by single measures of SHS exposure (self-report, serum cotinine and CYP2A6*4) and different combinations (self-report+cotinine, cotinine+CYP2A6*4, self-report+CYP2A6*4 and self-report+cotinine+CYP2A6*4). RESULTS: We found that self-reported SHS exposure alone predicted SGA (area under the receiver operating characteristic curve or area under the receiver operating curve (AUROC), 0.578) better than the other two single measures (cotinine, 0.547; CYP2A6*4, 0.529) or as accurately as combined SHS measures (0.545-0.584). The final prediction model that contained self-reported SHS exposure, prepregnancy body mass index, gestational weight gain velocity during the second and third trimesters, gestational diabetes, gestational hypertension and the third-trimester biparietal diameter Z-score could predict SGA fairly accurately (AUROC, 0.698). CONCLUSIONS: Self-reported SHS exposure at peribirth performs better in predicting SGA than a single measure of serum cotinine at the same time, although repeated biochemical cotinine assessments throughout pregnancy may be optimal. Our simple prediction model is fairly accurate and can be potentially used in routine prenatal care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».