MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307054392 · doi:10.1093/pch/pxac100.028

29 Maternal overweight and obesity’s impact on long-term neurodevelopmental outcomes in premature infants (<29 weeks) at 18-24 months corrected age

2022· article· en· W4307054392 sur OpenAlexaff
Marina Journault, Prashanth Murthy, Neha Bansal, Selphee Tang, Essa Al-Awad, Dianne Creighton, Susan Crawford, Abhay Lodha

Notice bibliographique

RevuePaediatrics & Child Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensFoothills Medical CentreAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicinePediatricsPregnancyBody mass indexCerebral palsyOverweightGestational ageBayley Scales of Infant DevelopmentGross Motor Function Classification SystemObesityGross motor skillObstetricsMotor skillCognitionInternal medicinePhysical therapyPsychomotor learning

Résumé

récupéré en direct d'OpenAlex

Abstract Background Increasing rates of obesity are of growing concern to maternal and child health as mothers with obesity are at risk of pregnancy complications. Infants of mothers with overweight/obese pre-pregnancy body mass index (BMI) may also be at risk of significant neurodevelopmental disorders. The relationship between maternal pre-pregnancy BMI and neurodevelopmental outcomes in preterm infants is not yet clearly defined. Objectives To determine the association of pre-pregnancy BMI of mothers of infants born <29 weeks gestational age (GA) and neurodevelopmental impairment (NDI) at 18-24 months corrected age (CA). Design/Methods Preterm infants born <29 weeks GA between January 2005 and December 2015 evaluated in the neonatal follow-up clinic at 18-24 months CA were included. Demographic characteristics as well as neurodevelopmental status including Bayley-III cognitive, language, and motor scores and sensory impairments were compared between three groups based on maternal pre-pregnancy BMI (BMI1 [18.5-24.9 kg/m2] vs. BMI2 [25-29.9 kg/m2] vs. BMI3 [≥30 kg/m2]) using univariate and multivariable regression models. The primary outcome was a composite of death or NDI. NDI was defined as the presence of Bayley-III <85 on one or more of the cognitive, motor, or language composite scores, any cerebral palsy (GMFCS ≥1), sensorineural or mixed hearing impairment, or unilateral or bilateral visual impairment. Results Of 771 eligible infants, 53 not seen in the follow-up clinic and 21 born to mothers with BMI <18.5 kg/m2 were excluded. Of the remaining 697 participants, 315 (45%) infants were in BMI1, 235 (34%) in BMI2, and 147 (21%) in BMI3 groups. Infants in BMI1, BMI2, and BMI3 groups had mean (SD) birth weight of 897 (231), 854 (208), and 867 (234) grams and median GA (IQR) of 27 (3), 26 (2), and 27 (3) weeks respectively. Rates of associated impairments are shown in Figure 1. The odds of a composite of death or NDI in BMI2 vs. BMI1 and BMI3 vs BMI1 groups were 1.33 (95%CI 0.86-2.06) and 0.76 (95%CI 0.47-1.22) respectively (Table 1). Infants born to mothers in the BMI2 group had twice the odds of scoring <85 on the Bayley-III language composite than those in BMI1 (adjusted odds ratio 2.06 [95% CI; 1.28-3.32]). Conclusion Pre-pregnancy body mass index was not associated with death or neurodevelopmental impairment in very preterm infants at 18-24 months corrected age. However, infants born to mothers who were overweight were more likely to have lower language scores.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,302
Écart entre enseignants0,287 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetGestational Diabetes Research and Management→Travaux en français237 207→