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 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 | 0,004 | 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 | 0,000 |
| 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 ».