Pediatric Outcome after Maternal Cancer Diagnosed during Pregnancy
Notice bibliographique
Résumé
BACKGROUND: Data on the long-term outcome of children who are exposed to maternal cancer with or without treatment during pregnancy are lacking. METHODS: In this multicenter case-control study, we compared children whose mothers received a diagnosis of cancer during the pregnancy with matched children of women without a cancer diagnosis. We used a health questionnaire and medical files to collect data regarding neonatal and general health. All children were prospectively assessed (by means of a neurologic examination and the Bayley Scales of Infant Development) at 18 months, 36 months, or both. A cardiac assessment was performed at 36 months. RESULTS: A total of 129 children (median age, 22 months; range, 12 to 42) were included in the group whose mother had cancer (prenatal-exposure group) with a matching number in the control group. During pregnancy, 96 children (74.4%) were exposed to chemotherapy (alone or in combination with other treatments), 11 (8.5%) to radiotherapy (alone or in combination), 13 (10.1%) to surgery alone, 2 (1.6%) to other drug treatments, and 14 (10.9%) to no treatment. Birth weight was below the 10th percentile in 28 of 127 children (22.0%) in the prenatal-exposure group and in 19 of 125 children (15.2%) in the control group (P=0.16). There was no significant between-group difference in cognitive development on the basis of the Bayley score (P=0.08) or in subgroup analyses. The gestational age at birth was correlated with the cognitive outcome in the two study groups. Cardiologic evaluation among 47 children at 36 months of age showed normal cardiac findings. CONCLUSIONS: Prenatal exposure to maternal cancer with or without treatment did not impair the cognitive, cardiac, or general development of children in early childhood. Prematurity was correlated with a worse cognitive outcome, but this effect was independent of cancer treatment. (Funded by Research Foundation-Flanders and others; ClinicalTrials.gov number, NCT00330447.).
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».