A novel shape-based approach to identify gestational age-adjusted growth patterns from birth to 11 years of age
Notice bibliographique
Résumé
Child growth patterns assessment is critical to design public health interventions. However, current analytical approaches may overlook population heterogeneity. To overcome this limitation, we developed a growth trajectories clustering pipeline that incorporates a shape-respecting distance, baseline centering (i.e., birth-size normalized trajectories) and Gestational Age (GA)-correction to characterize shape-based child growth patterns. We used data from 3945 children (461 preterm) in the 2004 Pelotas Birth Cohort with at least 3 measurements between birth (included) and 11 years of age. Sex-adjusted weight-, length/height- and body mass index-for-age z-scores were derived at birth, 3 months, and at 1, 2, 4, 6 and 11 years of age (INTERGROWTH-21st and WHO growth standards). Growth trajectories clustering was conducted for each anthropometric index using k-means and a shape-respecting distance, accounting or not for birth size and/or GA-correction. We identified 3 trajectory patterns for each anthropometric index: increasing (High), stable (Middle) and decreasing (Low). Baseline centering resulted in pattern classification that considered early life growth traits. GA-correction increased the intercepts of preterm-born children trajectories, impacting their pattern classification. Incorporating shape-based clustering, baseline centering and GA-correction in growth patterns analysis improves the identification of subgroups meaningful for public health interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».