Interactive effects of gestational diabetes and high pre‐pregnancy body mass index on adverse growth patterns of offspring
Notice bibliographique
Résumé
AIMS: To examine the independent and interactive effects of maternal gestational diabetes mellitus (GDM) and high pre-pregnancy body mass index (BMI) on the risk of offspring adverse growth patterns. MATERIALS AND METHODS: One thousand six hundred and eighty one mother-child pairs were followed for 8 years in Tianjin, China. Group-based trajectory modelling was used to identify offspring growth patterns. Logistic regression was performed to obtain odds ratios (ORs) and 95% confidence intervals (CIs) of GDM and high pre-pregnancy BMI for offspring adverse growth patterns. Restricted cubic spline was used to identify cut-off points. Additive interactions and multiplicative interactions were used to test interactive effects between GDM and high pre-pregnancy BMI for adverse growth patterns. RESULTS: Four distinct growth patterns were identified in offspring, including normal growth pattern, persistent lean growth pattern, late obesity growth pattern (LOGP), and persistent obesity growth pattern (POGP). Maternal high pre-pregnancy BMI was associated with LOGP and POGP (adjusted OR, 95% CI: 2.38, 1.74-3.25 & 4.92, 2.26-10.73). GDM greatly enhanced the adjusted OR of high pre-pregnancy BMI for LOGP up to 3.48 (95% CI: 2.25-5.38). Additive interactions and multiplicative interactions between both risk factors were significant for LOGP but not for POGP. CONCLUSIONS: Maternal high pre-pregnancy BMI was associated with increased risk of LOGP and POGP, whereas GDM greatly enhanced the risk of high pre-pregnancy BMI for LOGP.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».