Brazilian Maternal and Child Nutrition Consortium: establishment, data harmonization and basic characteristics
Notice bibliographique
Résumé
Pooled data analysis in the field of maternal and child nutrition rarely incorporates data from low- and middle-income countries and existing studies lack a description of the methods used to harmonize the data and to assess heterogeneity. We describe the creation of the Brazilian Maternal and Child Nutrition Consortium dataset, from multiple pooled longitudinal studies, having gestational weight gain (GWG) as an example. Investigators of the eligible studies published from 1990 to 2018 were invited to participate. We conducted consistency analysis, identified outliers, and assessed heterogeneity for GWG. Outliers identification considered the longitudinal nature of the data. Heterogeneity was performed adjusting multilevel models. We identified 68 studies and invited 59 for this initiative. Data from 29 studies were received, 21 were retained for analysis, resulting in a final sample of 17,344 women with 72,616 weight measurements. Fewer than 1% of all weight measurements were flagged as outliers. Women with pre-pregnancy obesity had lower values for GWG throughout pregnancy. GWG, birth length and weight were similar across the studies and remarkably similar to a Brazilian nationwide study. Pooled data analyses can increase the potential of addressing important questions regarding maternal and child health, especially in countries where research investment is limited.
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 | 0,230 | 0,316 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,020 | 0,032 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».