Rating the seriousness of maternal and child health outcomes linked with pregnancy weight gain
Notice bibliographique
Résumé
BACKGROUND: Current pregnancy weight gain guidelines were developed based on implicit assumptions of a small group of experts about the relative seriousness of adverse health outcomes. Therefore, they will not necessarily reflect the values of women. OBJECTIVE: To estimate the seriousness of 11 maternal and child health outcomes that have been consistently associated with pregnancy weight gain by engaging patients and health professionals. METHODS: We collected data using an online panel approach with a modified Delphi structure. We selected a purposeful sample of maternal and child health professionals (n = 84) and women who were pregnant or recently postpartum (patients) (n = 82) in the United States as panellists. We conducted three concurrent panels: professionals only, patients only, and patients and professionals. During a 3-round online modified Delphi process, participants rated the seriousness of health outcomes (Round 1), reviewed and discussed the initial results (Round 2), and revised their original ratings (Round 3). Panellists assigned seriousness ratings (0, [not serious] to 100 [most serious]) for infant death, stillbirth, preterm birth, gestational diabetes, preeclampsia, small-for-gestational-age (SGA) birth, large-for-gestational-age (LGA) birth, unplanned caesarean delivery, maternal obesity, childhood obesity, and maternal metabolic syndrome. RESULTS: Each panel individually came to a consensus on all seriousness ratings. The final median seriousness ratings combined across all panels were highest for infant death (100), stillbirth (95), preterm birth (80), and preeclampsia (80). Obesity in children, metabolic syndrome in women, obesity in women, and gestational diabetes had median seriousness ratings ranging from 55 to 65. The lowest seriousness ratings were for SGA birth, LGA birth, and unplanned caesarean delivery (30-40). CONCLUSION: Professionals and women rate some adverse outcomes as being more serious than others. These ratings can be used to establish the range of pregnancy weight gain associated with the lowest risk of a broad range of maternal and child health outcomes.
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 | 0,001 |
| 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 ».