Prediction of excess pregnancy weight gain using psychological, physical, and social predictors: A validated model in a prospective cohort study
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a prediction model for excess pregnancy weight gain using early pregnancy factors. DESIGN: Prospective cohort study. SETTING: We recruited from 12 obstetrical, family medicine, and midwifery centers in Ontario, Canada. PARTICIPANTS: We recruited English-speaking women with singleton pregnancies between 8+0-20+6 weeks. Of 1296 women approached, 1050 were recruited (81%). Of those, 970 women had complete data (970/1050, 92%) and were recruited at a mean of 14.8 weeks. PRIMARY OUTCOME MEASURE: We collected data on psychological, physical, and social factors and used stepwise logistic regression analysis to develop a multivariable model predicting our primary outcome of excess pregnancy weight gain, with random selection of 2/3 of women for training data and 1/3 for testing data. RESULTS: Nine variables were included in the final model to predict excess pregnancy weight gain. These included nulliparity, being overweight, planning excessive gain, eating in front of a screen, low self-efficacy regarding pregnancy weight gain, thinking family or friends believe pregnant women should eat twice as much as before pregnancy, being agreeable, and having emotion control difficulties. Training and testing data yielded areas under the receiver operating characteristic curve of 0.76 (95% confidence interval, 0.72 to 0.80) and 0.62 (95% confidence interval 0.56 to 0.68), respectively. CONCLUSIONS: In this first validated prediction model in early pregnancy, we found that nine psychological, physical, and social factors moderately predicted excess pregnancy weight gain in the final model. This research highlights the importance of several predictors, including relatively easily modifiable ones such as appropriate weight gain plans and mindfulness during eating, and lays an important methodological foundation for other future prediction models.
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 | 0,020 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».