Physical activity, sedentary behaviors and risk of gestational diabetes mellitus: a population-based cross-sectional study in Tianjin, China
Notice bibliographique
Résumé
OBJECTIVE: Physical activity in a nonpregnant state or before pregnancy reduces the risk of type 2 diabetes and is also associated with reduced risk of gestational diabetes mellitus (GDM). However, it is uncertain whether physical activity during pregnancy reduces the risk of GDM. DESIGN AND METHODS: Using an established universal screening system in Tianjin, China, we prospectively recruited 11 450 pregnant women within the 12th gestational week from 2010 to 2012. These women underwent a 50-g 1-h glucose challenge test (GCT) at 24-28 weeks of gestation and a 75-g 2-h oral glucose tolerance test if GCT glucose ≥7.8mmol/L. GDM was defined according to the International Association of Diabetes and Pregnancy Study Group's criteria. Self-reported physical activity in the last month was collected at GCT time using a validated questionnaire. RESULTS: GDM developed in 7.3% (n=840) of the women. Women with GDM were less likely to be engaged in moderate-to-high physical activity during pregnancy than those without (79.8% vs 81.6%, P=0.191). Moderate-to-high physical activity during pregnancy was associated with decreased risk of GDM (multivariable odds ratio (OR): 0.81, 95% confidence interval (CI): 0.67-0.97). Sitting at home for 2-4h per day and >4h per day were associated with significantly increased risk of GDM (multivariable OR of sitting time for 2-4h vs <2h: 1.59, 95% CI: 1.18-2.15; OR of sitting time for >4h vs <2h: 1.73, 95% CI: 1.22-2.43). CONCLUSIONS: Increased physical activity during pregnancy was associated with reduced GDM risk, whereas sedentary lifestyle was associated with increased GDM risk among Chinese pregnant women.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».