A Proportional Hazards Model with Time-dependent Covariates and Time-varying Effects for Analysis of Fetal and Infant Death
Notice bibliographique
Résumé
Birth-weight- and gestational-age-specific perinatal mortality curves intersect when compared by race and maternal smoking. The authors propose a new measure to replace fetal and infant mortality and an analytic strategy to assess the effects of risk factors on this outcome. They used 1998 data for US Blacks and Whites. Age-specific post-last menstrual period (LMP) mortality rate was defined as the proportion of deaths (stillbirth, perinatal death, or infant death) at a given age post-LMP. The authors used extended Cox regression with time-varying covariates and hazard ratios to model the effects of race and smoking on post-LMP mortality. Perinatal mortality rates (conventional calculation) for Blacks and Whites showed the expected crossover. However, analyses of post-LMP mortality showed no crossover. For the Black-White comparison, a hazard ratio of 1.72 (95% confidence interval: 1.67, 1.77) was obtained. The hazard was higher for smokers than for nonsmokers, but the hazard ratio increased from 1.09 (95% confidence interval: 0.98, 1.22) at 22 weeks to 1.82 (95% confidence interval: 1.72, 1.92) at 40 weeks. The hazard ratio associated with birth was also time dependent: higher than 1 for preterm gestation and lower than 1 for term gestation. The increasing adverse effect of smoking with gestational age suggests an accumulating effect of smoking on mortality. Modeling post-LMP mortality eliminates the crossover paradox for race and maternal smoking in a single statistical model.
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 | 0,001 |
| 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) | 0,000 | 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 ».