MétaCan
Menu
Retour à la cohorte
Enregistrement W4281791802 · doi:10.1001/jamanetworkopen.2022.14379

Association of Late Preterm Birth and Size for Gestational Age With Cardiometabolic Risk in Childhood

2022· article· en· W4281791802 sur OpenAlexafffundabout
Yulika Yoshida‐Montezuma, Branavan Sivapathasundaram, Hilary K. Brown, Charles Keown‐Stoneman, Russell J. de Souza, Teresa To, Cornelia M. Borkhoff, Catherine S. Birken, Jonathon L. Maguire, Laura N. Anderson

Notice bibliographique

RevueJAMA Network Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensHospital for Sick ChildrenSickKids FoundationHamilton Health SciencesPopulation Health Research InstituteSunnybrook Health Science CentreSt. Michael's HospitalPublic Health OntarioThe Scarborough HospitalUniversity of TorontoWomen's College HospitalImpactInstitute for Clinical Evaluative SciencesMcMaster UniversityHealth Sciences Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineGestational agePediatricsSmall for gestational ageBirth weightCohort studyPregnancyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: The long-term cardiometabolic consequences of late preterm birth (34-36 weeks' gestation) are not well understood. Objective: To assess whether late preterm birth and size for gestational age are associated with cardiometabolic risk (CMR) in childhood. Design, Setting, and Participants: This retrospective cohort study included 1742 children born in Ontario, Canada, between April 1, 2006, and September 30, 2014, and followed up until September 30, 2019. Data from children enrolled in The Applied Research Group for Kids (TARGet Kids!) primary care practice-based research network were linked to administrative health care data at ICES (formerly known as the Institute for Clinical Evaluative Sciences). Participants were excluded if they had conditions affecting growth (eg, failure to thrive or cystic fibrosis), any acute or chronic conditions (other than asthma and high-functioning autism), severe developmental delay, or families who were unable to communicate in English. Exposures: Late preterm birth, gestational age as a continuous measure, and size for gestational age. Main Outcomes and Measures: The primary outcome was composite CMR score (overall age- and sex-standardized z score of CMR components, including waist circumference, log triglyceride level, glucose level, systolic blood pressure, and high-density lipoprotein cholesterol level). Secondary outcomes were the individual CMR components. Multivariable linear regression analysis was used to separately evaluate the associations of late preterm birth, continuous gestational age, and size for gestational age with CMR at ages 3 to 12 years. Results: Among 2440 eligible children, 1742 (mean [SD] age, 5.6 [2.2] years; 951 boys [54.6%]) were included in the final cohort. Overall, 87 children (5.0%) were born moderately preterm (<34 weeks' gestation), 145 (8.3%) were born late preterm (34-36 weeks' gestation), 455 (26.1%) were born early term (37-38 weeks' gestation), and 1055 (60.6%) were born full term (≥39 weeks' gestation). Compared with children born full term, those born moderately preterm (adjusted β = 0.50; 95% CI, 0.24-0.75) and late preterm (adjusted β = 0.27; 95% CI, 0.06-0.47) had higher CMR scores. Each additional gestational week was associated with a 0.06 U (adjusted β; 95% CI, -0.08 to -0.03 U) decrease in CMR. Conclusions and Relevance: In this study, children born late preterm and moderately preterm had higher CMR. These results suggest that screening and early-life interventions for these children may prevent cardiometabolic 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,268
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetBirth, Development, and HealthTravaux en français237 207