Physical fitness trajectories from childhood to adolescence in extremely preterm children: A longitudinal cohort study
Notice bibliographique
Résumé
OBJECTIVE: Cohort studies on physical fitness (PF) in former extremely preterm children are scarce and yield conflicting results. Therefore, this study aimed to assess the effect of extremely preterm birth on PF in school-age with a focus on bronchopulmonary dysplasia (BPD). METHODS: Eighty school-aged children were enrolled in the longitudinal cohort study. Fifty were born extremely preterm (<completed 28 weeks of gestation): 19 had BPD, and 31 did not; 30 term-born healthy children were included as controls. They were monitored annually throughout primary school (ages 7-14 years) with eight annual fitness testings within the Slovenian national surveillance system of children's somatic and motor development (SLOfit). The physical fitness index (PFI), calculated as the mean of percentiles of eight fitness tests, was used as an indicator of overall PF. Generalised estimating equations were used to compare changes in PFI between ages 7 and 14 in the three cohort groups: preterm children with BPD, preterm children without BPD and term controls. RESULTS: Preterm children with BPD had significantly and persistently lower PFI than preterm children without BPD and term-born children throughout primary school age. Their PFI was less than half that of national median values (15.1st-19.7th percentile). Preterm children without BPD experienced progressive improvement in PFI during their school age (from 32.6th to 44.7th percentile of national median PFI values), while the ones with BPD did not. CONCLUSION: Extreme prematurity per se is not a risk factor for lower PF at school age. However, if complicated by BPD, PF is significantly and sustainably reduced.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».