Maternal Pre-Pregnancy BMI and Gestational Weight Gain Are Associated with Preschool Children’s Neuropsychological Outcomes in the APrON Cohort
Notice bibliographique
Résumé
This study examined the associations between maternal pre-pregnancy BMI and gestational weight gain (GWG) and children’s neuropsychological outcomes at 3 to 5 years of age. A total of 379 women and their children from the Alberta Pregnancy Outcomes and Nutrition (APrON) study participated. Covariate-adjusted robust regressions examined associations between maternal pre-pregnancy BMI, GWG class, interaction terms, and child outcomes. Each unit increase in maternal BMI was linked to a 0.48-point decrement (95% CI: −0.75 to −0.21) in children’s Full Scale IQ. Higher pre-pregnancy BMI was related to poorer performance on the other intelligence indexes (B = −0.35 to −0.47, 95% CIs: −0.75, −0.02) and lower performance on measures of language (B = −0.08 to −0.09, 95% CIs: −0.16, −0.02), motor skills (B = −0.08 to −0.11, 95% CIs: −0.18, −0.01), and executive function (B = −0.09 to −0.16, 95% CIs: −0.26, −0.01). GWG below the recommended range was associated with a 4.04-point decrement (95% CI: 7.89, −0.11) in Full Scale IQ, but better performance on a spatial working memory test (B = 0.27, 95% CI: 0.02, 0.52). GWG above the recommended range was associated with lower language (B = −0.79, 95% CI: −1.52, −0.06) and memory scores (B = −0.93, 95% CI: −1.64, −0.22). Interactions were found between pre-pregnancy BMI and GWG on measures of intelligence and executive function. Maternal pre-pregnancy BMI and GWG are related to children’s performance in various neuropsychological domains and may interact to predict outcomes. Optimizing maternal health and weight prior to conception and during pregnancy may enhance children’s neuropsychological 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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».