MétaCan
Menu
Retour à la cohorte
Enregistrement W2217605839 · doi:10.3390/ijms161226209

Allostatic Load and Preterm Birth

2015· review· en· W2217605839 sur OpenAlexafffund
David Olson, Emily Severson, Barbara Verstraeten, Jane Ng, J. McCreary, Gerlinde A. S. Metz

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensUniversity of LethbridgeUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAllostatic loadPsychological interventionPregnancyMedicineAllostasisDiseasePreterm deliveryRisk factorGerontologyIntensive care medicineEnvironmental healthPsychiatryFetusBiology

Résumé

récupéré en direct d'OpenAlex

Preterm birth is a universal health problem that is one of the largest unmet medical needs contributing to the global burden of disease. Adding to its complexity is that there are no means to predict who is at risk when pregnancy begins or when women will actually deliver. Until these problems are addressed, there will be no interventions to reduce the risk because those who should be treated will not be known. Considerable evidence now exists that chronic life, generational or accumulated stress is a risk factor for preterm delivery in animal models and in women. This wear and tear on the body and mind is called allostatic load. This review explores the evidence that chronic stress contributes to preterm birth and other adverse pregnancy outcomes in animal and human studies. It explores how allostatic load can be used to, firstly, model stress and preterm birth in animal models and, secondly, how it can be used to develop a predictive model to assess relative risk among women in early pregnancy. Once care providers know who is in the highest risk group, interventions can be developed and applied to mitigate their risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,406
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetBirth, Development, and HealthTravaux en français237 207