Greater early and mid‐pregnancy gestational weight gains are associated with excess adiposity in mid‐childhood
Notice bibliographique
Résumé
OBJECTIVE: It is unclear how specific periods of gestational weight gain (GWG) during pregnancy relate to childhood adiposity. The goal of this study was to assess the differential impact of GWG timing on childhood body composition. METHODS: In 979 mother-child pairs from the pre-birth Project Viva cohort, trimester-specific GWG was calculated using clinically recorded weights. Outcomes included body mass index (BMI) z-score, dual X-ray absorptiometry fat mass index (kg/m(2) ), and fat-free mass index (kg/m(2) ) in mid-childhood. Linear regression models were used to assess associations of each trimester's GWG (per 0.2 kg/week) with childhood outcomes, adjusted for maternal prepregnancy BMI, sociodemographic variables, lifestyle, and GWG in prior trimester(s). RESULTS: Mean (SD) first trimester GWG was 0.22 (0.22) kg/week, second trimester 0.49 (0.18) kg/week, and third trimester 0.47 (0.20) kg/week. Faster first trimester GWG was associated with higher BMI z-score (0.06 units [95% CI: 0.01-0.12] per 0.2 kg/week) and with higher adiposity according to all indices; associations were strongest in women with prepregnancy BMI >30 kg/m(2) . Faster second trimester GWG was associated with higher BMI z-score (0.11 [0.04-0.18]), fat mass (fat mass index = 0.16 [0.02-0.31] kg/m(2) ), and lean mass (fat-free mass index = 0.11 [0.01-0.22] kg/m(2) ). Third trimester GWG was not associated with childhood adiposity. CONCLUSIONS: These results reinforce the importance of addressing appropriate GWG in early pregnancy.
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 ».