Racial/ethnic variations in gestational weight gain: a population-based study in Ontario
Notice bibliographique
Résumé
OBJECTIVE: To explore inadequate and excessive gestational weight gain (GWG) among pregnant women of different racial/ethnic backgrounds in Ontario, Canada. METHODS: A population-based retrospective cohort study was conducted among women who had prenatal screening and had a singleton birth in an Ontario hospital between April 2016 and March 2017. We estimated adjusted risk ratios (aRR) of racial/ethnic differences for inadequate or excessive GWG using multinomial logistic regression models. Interaction effects were examined to determine whether racial/ethnic difference in GWG varied by pre-pregnancy body mass index (BMI). RESULTS: Among 74,424 women, the prevalence of inadequate GWG in White, Asian, and Black women was 15.7%, 25.8%, and 25.0%, and excessive GWG was 62.8%, 45.5%, and 54.7%, respectively. There were significant interaction effects between race/ethnicity and pre-pregnancy BMI for inadequate GWG (Wald p < 0.01) and excessive GWG (Wald p < 0.01). Compared with White women, Asian women had higher risk of inadequate GWG and lower risk of excessive GWG in all weight classes, and Black women had higher risk of inadequate GWG and lower risk of excessive GWG if their BMI was normal, overweight, or obese. CONCLUSION: Variations in unhealthy GWG by pre-pregnancy weight classes among Ontario White, Asian and Black women were observed. Individualized counseling regarding appropriate GWG is universally recommended. Additional consideration of racial/ethnic variations by maternal weight classes may help to promote healthy GWG in Canada.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».