Interpolation of the Maresh diaphyseal length data for use in quantitative analyses of growth
Notice bibliographique
Résumé
Abstract The Maresh data are commonly used in bioarcheological growth studies as a representation of diaphyseal growth in a modern and healthy group of children. However, several problems with the way the data were reported have limited its use in quantitative analyses of growth. In this paper, we present updated and interpolated values for long bone length for age for use in calculating z ‐scores, percentages of expected length, and other quantitative measures of growth. The Maresh mean and mean + 1 standard deviation values for the sexes separately and combined were first corrected for radiographic magnification. Several modeling approaches were then evaluated. This testing suggested that the best fit was provided by two third‐order polynomials fit to data ≤24 and ≥24 months, respectively. The resulting regressions were used to calculate age‐specific mean and standard deviation values in 1‐month intervals from birth until 12 years (0–144 months). Differences between the original and new values are minimal and do not exceed 1 mm. However, as the old Maresh values required rounding age down to the last attained threshold by as much as 5 months, there are differences between z ‐scores calculated with original versus new values of up to 2 z ‐score units, especially in children under 3 years of age where growth velocity is highest. Although these updated values do not solve the problems that made age estimation from the Maresh data unadvisable, they will be of use to researchers in conducting more precise growth studies in bioarcheological contexts.
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 | 0,008 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».