Early Growth and Impacts on Long-Term Neurodevelopment and Human Capital
Notice bibliographique
Résumé
BACKGROUND: Growth trajectories during the first 1,000 days from conception to 2 years influence human capital, predicting intelligence, skills and health in adults. SUMMARY: This review describes current evidence on the impacts of adverse pregnancy outcomes such as low birth weight, preterm birth, small for gestational age, and infant nutrition on long-term neurodevelopment and summarizes interventions that have proven to be effective in improving child development and further impact human capital. To date, no globally standardized measurements of child development in low-medium-income countries exist, and comparisons among studies using different developmental scales are challenging. In the perinatal period, birth weight, gestational age at delivery and elevated placental blood flow resistance have been identified as the main risk factors for global neurological delay, poor neurosensory development and cerebral palsy. Although these adverse neurological outcomes have decreased in developed settings, it is still a problem in low-resource populations. Nutritional deficiencies are the main drivers of developmental impairment, notably iron, iodine and folate deficiencies, and environmental stressors during pregnancy such as air pollution, exposure to chemicals, substance abuse, smoking, and maternal/parental psychiatric disorders can affect the developing brain. Interventions aiming to improve maternal macro- and micronutrient status, delayed cord clamping, exclusive breastfeeding and nurturing care have demonstrated to be effective strategies to prevent perinatal complications known to affect child development.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».