Trajectory and determinants of change in lean soft tissue over the postpartum period
Notice bibliographique
Résumé
The aim of this study was to characterise changes in lean soft tissue (LST) and examine the contributions of energy intake, physical activity and breast-feeding practices to LST changes at 3 and 9 months postpartum. We examined current weight, LST (via dual-energy X-ray absorptiometry), dietary intake (3-d food diary), physical activity (Baecke questionnaire) and breast-feeding practices (3-d breast-feeding diary) in forty-nine women aged 32·9 (sd 3·8) years. Changes in LST varied from -2·51 to +2·50 kg with twenty-nine women gaining LST (1·1 (sd 0·7) kg, P<0·001) and twenty women losing LST (-0·9 (sd 0·8) kg, P<0·001). Energy intake (133 (SD 42) v. 109 (SD 33) kJ/kg, P=0·019) and % kJ from fat at 3 months postpartum was higher in women who gained LST at 9 months postpartum (gained LST=34 (sd 5) % kJ; lost LST=29 (sd 4) % kJ, P=0·002). Women who gained LST reported breast-feeding their infants more frequently (gained LST=8 (sd 3) feeds/d; lost LST=5 (sd 1) feeds/d, P=0·014) and for more time per d (gained LST=115 (sd 78) min/d; lost LST=59 (sd 34) min/d, P=0·016) at 9 months postpartum. Energy intake and % kJ from fat at 3 months were significant predictors of LST gain (β=0·08 (se 0·04) and 0·24 (se 0·09), respectively). This suggests that gain in LST may be associated with more frequent and longer episodes of breast-feeding at 9 months postpartum as well as dietary intake early in the postpartum period.
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 ».