Population Attributable Risk Fractions of Maternal Overweight and Obesity for Adverse Perinatal Outcomes
Notice bibliographique
Résumé
The objective of the current study was to determine the proportion of adverse perinatal outcomes that could be potentially prevented if maternal obesity were to be reduced or eliminated (population attributable risk fractions, PARF); and the number needed to treat (NNT) of overweight or obese women to prevent one case of adverse perinatal outcome. Data from the Atlee Perinatal Database on 66,689 singleton infants born in Nova Scotia, Canada, between 2004 and 2014, and their mothers were used. Multivariable-adjusted PARFs and NNTs of maternal pre-pregnancy weight status were determined for various perinatal outcomes under three scenarios: If all overweight and obese women were to i) become normal weight before pregnancy; ii) shift down one weight class; or iii) lose 10% of their body weight, significant relative reductions would be seen for gestational diabetes mellitus (GDM, 57/33/15%), hypertensive disorders of pregnancy (HDP, 26/16/6%), caesarean section (CS, 18/10/3%), and large for gestational age births (LGA, 24/14/3%). The NNT were lowest for the outcomes GDM, induction of labour, CS, and LGA, where they ranged from 13 to 73. The study suggests that a substantial proportion of adverse perinatal outcomes may be preventable through reductions in maternal pre-pregnancy weight.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».