Prepregnancy body mass index and weight change on postpartum diabetes risk among gestational diabetes women
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effects of prepregnancy BMI and weight change from prepregnancy to postpartum on postpartum type 2 diabetes (T2D) risk among women with gestational diabetes (GDM). METHODS: A retrospective cohort study in 1,263 GDM women at 1-5 years after delivery was performed. Cox proportional hazards regression models were used to evaluate the association of prepregnancy BMI and weight change with T2D and prediabetes risks. RESULTS: The multivariable-adjusted hazard ratios based on different levels of prepregnancy BMI (<23, 23-24.9, 25-29.9, and ≥30 kg/m(2) ) were 1.00, 1.77, 2.35, and 6.54 (Ptrend < 0.001) for incident T2D, and 1.00, 1.46, 1.87, and 1.79 (Ptrend < 0.001) for incident prediabetes, respectively. Compared with women with stable weight (±3 kg), those with weight gain ≥7 kg had an 86% and a 32% increased risk of diabetes and prediabetes, and those with weight loss ≥3 kg had a 45% decreased risk of prediabetes. The positive associations of prepregnancy BMI with incident diabetes and prediabetes risk were persistent in women with different levels of weight change (<3 kg and ≥3 kg). CONCLUSION: Prepregnancy obesity and excessive weight gain from prepregnancy to postpartum increase postpartum diabetes and prediabetes risks among GDM women.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».