Modeling the Impact of Prepregnancy BMI, Physical Activity, and Energy Intake on Gestational Weight Gain, Infant Birth Weight, and Postpartum Weight Retention
Notice bibliographique
Résumé
BACKGROUND: A "fit pregnancy" requires balancing energy expenditure with energy intake (EI) to achieve appropriate gestational weight gains (GWG), healthy infant birth weights (IBW), and minimal postpartum weight retention (PPWR). Our objective was to develop an integrated conceptual framework to assess the contribution of prepregnancy weight (PP-BMI), EI, and physical activity (PA) as determinants of GWG, IBW, and PPWR. METHODS: Pregnant women (n = 59) were recruited from prenatal classes. Energy intake was estimated using 3 24-hr diet recalls and PA using a validated PA questionnaire and a pedometer. Telephone interviews at 6-weeks postpartum assessed self-reported GWG, IBW, and PPWR. Hierarchical multiple regression analyses were used to explore the potential predictors of GWG, IBW, and PPWR. RESULTS: Prepregnancy BMI was associated with GWG, and EI was associated with IBW; each model captured only 6%-18% of the variability. In contrast, PPWR was predicted by PP-BMI, GWG, and EI, which together explained 61% of its variability, whereas GWG alone explained 51% of the variability in PPWR. CONCLUSIONS: Modeling the relationship using hierarchical models suggests that PP-BMI, prepartum PA, and EI differentially impact GWG, IBW, and PPWR.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».