MétaCan
Menu
← Retour à la cohorte
Enregistrement W2338756748 · doi:10.1136/archdischild-2015-309645

Anthropometric measures are simple and accurate paediatric weight-prediction proxies in resource-poor settings with a high HIV prevalence

2016· article· en· W2338756748 sur OpenAlexaff
Kyly C. Whitfield, Roberta Wozniak, Mia Pradinuk, Crystal D Karakochuk, Gabriel Anabwani, Zachary Daly, Stuart MacLeod, Charles P. Larson, Tim Green

Notice bibliographique

RevueArchives of Disease in Childhood · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV-related health complications and treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineAnthropometryUlnaTibiaBody weightPediatricsWeight gainDemographyOrthodonticsSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Rationale Accurate weight measurements are essential for both growth monitoring and drug dose calculations in children. Weight can be accurately measured using calibrated scales in resource-rich settings; however, reliable scales are often not available in resource-poor regions or emergency situations. Current age and/or length/height-based weight-prediction equations tend to overestimate weight because they were developed from Western children's measures. Objective To determine the accuracy of several proxy measures for children's weight among a predominately HIV-positive group of children aged 18 months to 12 years in Botswana. Design Weight, length/height, ulna and tibia lengths, mid-upper arm circumference (MUAC) and triceps skinfold were measured on 775 children recruited from Gaborone, Botswana, between 6 July and 24 August 2011. Results Mean (95% CI) age and weight were 7.8 years (7.5 to 8.4) and 21.7 kg (21.2 to 22.2), respectively. The majority of children were HIV-positive (n=625, 81%) and on antiretroviral treatment (n=594, 95%). The sample was randomly divided; a general linear model was used to develop weight-prediction equations for one half of the sample (n=387), which were then used to predict the weight of the other half (n=388). MUAC and length/height, MUAC and tibia length and MUAC and ulna length most accurately predicted weight, with an adjusted R2of 0.96, 0.95 and 0.93, respectively. Using MUAC and length/height, MUAC and tibia length and MUAC and ulna length equations, ≥92% of predicted weight fell within 15% of actual weight, compared with <55% using current equations. Conclusion The development of nomograms using these equations is warranted to allow for rapid and accurate weight prediction from these simple anthropometric measures in HIV-endemic, resource-constrained settings.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,247
Écart entre enseignants0,239 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in Childhood→Même sujetHIV-related health complications and treatments→Travaux en français237 207→