Birth Anomalies and Obstetric History as Risks for Childhood Tumors of the Central Nervous System
Notice bibliographique
Résumé
OBJECTIVE: The causes of childhood central nervous system (CNS) tumors are largely unknown. Birth characteristics have been examined as possible risk factors for childhood CNS tumors, although the studies have been underpowered and inconclusive. We hypothesized that birth anomalies and a mother's history of previous pregnancy losses, as a proxy for genetic defects, increase the risk for CNS tumors. METHODS: From the California Cancer Registry, we identified 3733 patients aged 0 to 14 years with CNS tumors, diagnosed from 1988 through 2006 and linked to a California birth certificate. Four controls were matched to each patient. We calculated odds ratios (ORs) for the reported presence of a birth defect and for history of pregnancy losses by using logistic regression, adjusted for race, Hispanic ethnicity, maternal age, birth weight, and birth order. RESULTS: Offspring from mothers who had ≥ 2 fetal losses after 20 weeks' gestation had a threefold risk for CNS tumors (OR: 3.13 [95% confidence interval (CI): 1.32-7.41]) and a 14-fold risk for high-grade glioma (OR: 14.28 [95% CI: 1.56-130.65]). Birth defects increased risk for the CNS cancers medulloblastoma (OR: 1.70 [95% CI: 1.12-2.57]), primitive neuroectodermal tumor (OR: 3.64 [95% CI: 1.54-8.56]), and germ cell tumors (OR: 6.40 [95% CI: 2.09-19.56]). CONCLUSIONS: Multiple pregnancy losses after 20 weeks' gestation and birth defects increase the risk of a childhood CNS tumor. Previous pregnancy losses and birth defects may be surrogate markers for gene defects in developmental pathways that lead to CNS tumorigenesis.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».