MétaCan
Menu
Retour à la cohorte
Enregistrement W4310783714 · doi:10.1097/ede.0000000000001556

Are Detailed Behavioral, Psychosocial, and Environmental Variables Necessary to Control for Confounding in Pregnancy Weight Gain Research?

2022· article· en· W4310783714 sur OpenAlexaff
Lisa M. Bodnar, Jennifer A. Hutcheon

Notice bibliographique

RevueEpidemiology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Center for Advancing Translational Sciences
Mots-clésPropensity score matchingConfoundingWeight gainMedicinePregnancyPsychosocialBirth weightCovariateLow birth weightObstetricsDemographyInternal medicineStatisticsPsychiatryBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Associations between pregnancy weight gain and adverse outcomes may be spurious owing to confounding by factors not typically measured in cohort studies. We determined the extent to which the addition of detailed behavioral, psychosocial, and environmental measurements to commonly available covariates improved control of confounding. METHODS: We used data from a prospective US pregnancy cohort study (2010-2013, n = 8978). We calculated two propensity scores for low and high pregnancy weight gain (vs. adequate gain) using 11 standard confounders (e.g., age and education). We examined the balance of characteristics between weight gain groups before and after propensity score matching. We used negative binomial regression to estimate the association between weight gain and small- and large-for-gestational-age birth, preterm birth, and unplanned cesarean delivery, controlling for propensity score. To this model, we then added 17 detailed behavioral, psychosocial, and environmental measurements ("fully adjusted"). We calculated the risk ratio owing to confounding as the ratio of the standard confounder-adjusted risk ratio to the fully adjusted risk ratio. RESULTS: There were minimal imbalances between weight gain groups in detailed measures after matching for a propensity score of standard covariates. Accordingly, the inclusion of detailed covariates had minimal impact on estimated associations between low or high pregnancy weight gain and adverse pregnancy outcomes: risk ratios owing to confounding were null for all outcomes (e.g., 1.1 [95% CI = 1.0, 1.1] for low weight gain and preterm birth). CONCLUSIONS: Adjustment for detailed behavioral, psychosocial, and environmental measurements had minimal impact on estimated associations between pregnancy weight gain and adverse perinatal 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 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)0,169
score de la tête « metaresearch » (Gemma)0,306
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,895

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1690,306
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,007
Études des sciences et des technologies0,0020,005
Communication savante0,0030,005
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,116
Tête enseignante GPT0,425
Écart entre enseignants0,309 · 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.

Devis d'étudeSimulation ou modélisation
DomaineMéthodes
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpidemiologyMême sujetGestational Diabetes Research and ManagementTravaux en français237 207