Caucasian and Asian difference in role of type 1 diabetes on large-for-gestational-age neonates
Notice bibliographique
Résumé
INTRODUCTION: Racial differences in the association between type 1 diabetes mellitus (T1DM) and large-for-gestational-age (LGA) neonates remain unclear. The objective of this study was to compare the effect of T1DM on LGA neonates between Caucasian and Asian women. RESEARCH DESIGN AND METHODS: A population-based retrospective cohort study was conducted among Caucasian and Asian women who had prenatal screening and gave a singleton live birth in an Ontario hospital between April 2015 and March 2018. Multivariable log-binomial regression models were used to estimate the adjusted relative risks (aRRs) and 95% CIs of T1DM on LGA for Caucasian and Asian women. Relative contribution of T1DM to LGA was examined by multivariable logistic regression model, stratified by Caucasian and Asian women. RESULTS: A total of 232 503 women (69.4% Caucasians and 30.6% Asians) were included in the final analysis. The rate of T1DM was higher in Caucasians (0.5%) than in Asians (0.2%), and the rate of LGA neonates was also higher in Caucasians (11.0%) than in Asians (5.0%). The association between T1DM and LGA in Caucasians (aRR 4.18, 95% CI (3.84 to 4.55)) was more robust than that in Asians (aRR 2.11, 95% CI (1.24 to 3.59)). T1DM was the fourth strongest contributor to LGA in Caucasians, while T1DM was the seventh contributor to LGA in Asians. CONCLUSIONS: T1DM plays a more substantial role in LGA among Caucasians than Asians. Clinicians should be aware of the Caucasian-Asian differences of effects of T1DM on LGA when developing pregnancy management strategies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».