Reexamining the effects of gestational age, fetal growth, and maternal smoking on neonatal mortality
Notice bibliographique
Résumé
BACKGROUND: Low birth weight (<2,500 g) is a strong predictor of infant mortality. Yet low birth weight, in isolation, is uninformative since it is comprised of two intertwined components: preterm delivery and reduced fetal growth. Through nonparametric logistic regression models, we examine the effects of gestational age, fetal growth, and maternal smoking on neonatal mortality. METHODS: We derived data on over 10 million singleton live births delivered at >/= 24 weeks from the 1998-2000 U.S. natality data files. Nonparametric multivariable logistic regression based on generalized additive models was used to examine neonatal mortality (deaths within the first 28 days) in relation to fetal growth (gestational age-specific standardized birth weight), gestational age, and number of cigarettes smoked per day. All analyses were further adjusted for the confounding effects due to maternal age and gravidity. RESULTS: The relationship between standardized birth weight and neonatal mortality is nonlinear; mortality is high at low z-score birth weights, drops precipitously with increasing z-score birth weight, and begins to flatten for heavier infants. Gestational age is also strongly associated with mortality, with patterns similar to those of z-score birth weight. Although the direct effect of smoking on neonatal mortality is weak, its effects (on mortality) appear to be largely mediated through reduced fetal growth and, to a lesser extent, through shortened gestation. In fact, the association between smoking and reduced fetal growth gets stronger as pregnancies approach term. CONCLUSIONS: Our study provides important insights regarding the combined effects of fetal growth, gestational age, and smoking on neonatal mortality. The findings suggest that the effect of maternal smoking on neonatal mortality is largely mediated through reduced fetal growth.
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 | 0,000 | 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 ».