Body mass index trajectories in the first two years and subsequent childhood cardio-metabolic outcomes: a prospective multi-ethnic Asian cohort study
Notice bibliographique
Résumé
We investigated body mass index (BMI) trajectories in the first 2 years of life in 1170 children from an Asian mother-offspring cohort in Singapore, and examined their predictors and associations with childhood cardio-metabolic risk measures at 5 years. Latent class growth mixture modelling analyses were performed to identify distinct BMI z-score (BMIz) trajectories. Four trajectories were identified: 73.2%(n = 857) of the children showed a normal BMIz trajectory, 13.2%(n = 155) a stable low-BMIz trajectory, 8.6%(n = 100) a stable high-BMIz trajectory and 5.0%(n = 58) a rapid BMIz gain after 3 months trajectory. Predictors of the stable high-BMIz and rapid BMIz gain trajectories were pre-pregnancy BMI, gestational weight gain, Malay and Indian ethnicity, while predictors of stable low-BMIz trajectory were preterm delivery and Indian ethnicity. At 5 years, children with stable high-BMIz or rapid BMIz gain trajectories had increased waist-to-height ratios [B(95%CI) 0.02(0.01,0.03) and 0.03(0.02,0.04)], sum of skinfolds [0.42(0.19,0.65) and 0.70(0.36,1.03)SD units], fat-mass index [0.97(0.32,1.63)SD units] and risk of obesity [relative risk 3.22(1.73,6.05) and 2.56 (1.19,5.53)], but not higher blood pressure. BMIz trajectories were more predictive of adiposity at 5 years than was BMIz at 2 years. Our findings on BMIz trajectories in the first 2 years suggest important ethnic-specific differences and impacts on later metabolic outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».