Solving Temporal Constraints Using Neural Networks.
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
A number of cross-sectional and prospective studies suggested a priming effect of maternal smoking in pregnancy on offspring's obesity. It has been hypothesized that this association might be explained by low birth weight and subsequent catch-up growth in the causal pathway. We therefore examined the role of birth weight in children exposed versus not exposed to cigarette smoking in utero on later body mass index (BMI). Using data of 12,383 children and adolescents (3-17 years of age) recorded in a German population-based survey (KiGGS), we assessed mean body mass index standard deviation scores (BMI-SDS) in different birth weight SDS categories, stratified for children with smoking and non-smoking mothers. We calculated spline regression models with BMI-SDS as outcome variable, cubic splines of birth weight SDS, and potential confounding factors. Children whose mothers had been smoking during pregnancy had lower birth weight SDS and higher BMI-SDS at interview compared to children of non-smoking mothers. However, we observed a linear association between birth weight SDS and BMI-SDS in crude analyses for both groups. Similarly, almost linear effects were observed in adjusted spline regression analyses, except for children with very low birth weight. The respective 95% confidence bands did not preclude a linear effect for the whole birth weight SDS distribution. Our findings suggest that low birth weight is unlikely to be the main cause for the association between intrauterine nicotine exposure and higher BMI in later life. Alternative mechanisms, such as alterations in the noradrenergic system or increased food efficiency, have to be considered.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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