Optimal Pre-Pregnancy Body Mass Index Cut-Offs for Obesity in Japan
Notice bibliographique
Résumé
To the EditorBased on our earlier studies in Japan [1,2], we understand that we need to be more tolerant for the gestational weight gain in Japanese woman than ever, especially in overweight women.However, we have not well examined the influence of the maternal pre-pregnancy physique on the perinatal outcomes in the overweight and/or obesity women in Japan.To date, some pre-pregnancy body mass indexes (BMIs; kg/m 2 ) cut-offs have been examined to predict the high risk BMI levels as obesity associated with the adverse perinatal outcomes [3][4][5].For example, in Japan, the Japanese Ministry of Health, Labour and Welfare (JMHLW) guideline has defined pre-pregnancy BMI of ≥ 25 as obesity [3], while the Institute of Medicine (IOM) guideline in the USA has defined pre-pregnancy BMI of ≥ 30 as obesity associated with the increased risk of both neonatal macrosomia and cesarean delivery [4].In 2004, in addition, the World Health Organization (WHO) recommended the classification of pre-pregnancy BMI of ≥ 27.5 as obesity in Asian populations [5].To (re-)assess the optimal pre-pregnancy BMI cut-offs for obesity in Japanese women associated with the perinatal outcomes, we examined the perinatal outcomes in Japanese singleton pregnancy of prepregnancy BMI 25.0 -27.4,27.5 -29.9 and ≥ 30.0 compared with that of BMI 18.5 -24.9 as control.The protocol for this study was approved by the Ethics Committee of the Japanese Red Cross Katsushika Maternity Hospital.Informed consent concerning analysis from a retrospective database was obtained from all subjects.We reviewed the obstetric records of singleton pregnant Japanese women who delivered at our institute at ≥ 22 weeks' gestation from April 2012 through November 2016.Data were expressed as mean ± standard deviation or number (percentages).Cases and controls were compared by means of Student's t-test for continuous variables, and the X 2 or Fisher's exact test for categorical variables.Differences with P < 0.05 were
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».