Should Gestational Weight Gain Recommendations be Tailored by Maternal Characteristics?
Notice bibliographique
Résumé
The authors tested whether the relation between gestational weight gain (GWG) and 5 adverse pregnancy outcomes (small-for-gestational-age (SGA) birth, large-for-gestational-age (LGA) birth, spontaneous preterm birth, indicated preterm birth, and unplanned cesarean delivery) differed according to maternal race/ethnicity, smoking, parity, age, and/or height. They also evaluated whether GWG guidelines should be modified for special populations by studying GWG and risk of at least 1 adverse outcome within different subgroups. Data came from a cohort of 23,362 normal-weight mothers who delivered singletons at Magee-Womens Hospital in Pittsburgh, Pennsylvania (2003-2008). Adequacy of GWG was defined as observed GWG divided by recommended GWG. The synergy analysis found that the combination of smoking, black race/ethnicity, primiparity, or short height with poor GWG was associated with an excess risk of SGA birth, while high GWG combined with each of these characteristics diminished risk of LGA birth in comparison with the same GWG among the women's counterparts. Nevertheless, there were no significant or meaningful differences in the risk of at least 1 adverse outcome between the GWG recommended by the Institute of Medicine in 2009 and the GWG that minimized risk of the composite outcome. These findings do not support the tailoring of GWG guidelines on the basis of a mother's smoking status, race/ethnicity, parity, age, or height among normal-weight 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 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 | 0,002 | 0,002 |
| 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) | 0,002 | 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 ».