Non-genetic risk factors for early and late age at menarche in Eastern Ukrainian females
Notice bibliographique
Résumé
ABSTRACT: BACKGROUND: Age at menarche is a reproductive trait, which is largely influenced by environmental factors. Each population has a set of lifestyle factors that may shift age at menarche in different direction. Populations of Eastern Slavs, particularly Ukrainians, are underrepresented in studies of reproductive health. The objective of the present research was to determine important non-genetic risk factors, which may contribute to menarcheal onset in Eastern Ukrainians. METHODS: In total 620 females aged 17-25 years participated in the cross-sectional survey. The questionnaire included lifestyle factors previously reported in other populations as those, which might affect age at menarche. The risk factors for early and late age at menarche were determined using logistic regression models. The models were validated by receiver operating curves. RESULTS: Body composition in the prepubertal stage as presented by responders seems to have the strongest association with age at menarche. Those who were shorter and thinner as compared to their peers at age six had significantly more chance to start menstruating later (OR = 1.66, 95% CI [1.01-2.73]) and reduced chance to have menarche before 12 years old (OR = 0.32, 95% CI [0.14-0.73]). Maternal smoking during pregnancy and low protein intake reported during childhood may decrease a probability of late age at menarche. CONCLUSIONS: Although overall body composition at age of six was a main trait, which was associated with menarcheal timing, more information on body measurements (e.g. waist-hip ratio) in prepubertal stage would help to establish a greater degree of accuracy on this matter.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».