Profiles and predictors of child neurodevelopment and anthropometry: The maternal-infant research on environmental chemicals study
Notice bibliographique
Résumé
Background: Evaluating individual health outcomes does not capture co-morbidities children experience. Purpose: We aimed to describe profiles of child neurodevelopment and anthropometry and identify their predictors. Methods: Using data from 501 mother-child pairs (age 3-years) in the Maternal-Infant Research on Environmental Chemicals (MIREC) Study, a prospective cohort study, we developed phenotypic profiles by applying latent profile analysis to twelve neurodevelopmental and anthropometric traits. Using multinomial regression, we evaluated odds of phenotypic profiles based on maternal, sociodemographic, and child level characteristics. Results: For neurodevelopmental outcomes, we identified three profiles characterized by Non-optimal (9%), Typical (49%), and Optimal neurodevelopment (42%). For anthropometric outcomes, we observed three profiles of Low (12%), Average (61%), and Excess Adiposity (27%). When examining joint profiles, few children had both Non-optimal neurodevelopment and Excess Adiposity (2%). Lower household income, lower birthweight, younger gestational age, decreased caregiving environment, greater maternal depressive symptoms, and male sex were associated with increased odds of being in the Non-optimal neurodevelopment profile. Higher pre-pregnancy body mass index was associated with increased odds of being in the Excess Adiposity profile. Conclusions: Phenotypic profiles of child neurodevelopment and adiposity were associated with maternal, sociodemographic, and child level characteristics. Few children had both non-optimal neurodevelopment and excess adiposity.
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 | 0,003 | 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 | 0,001 |
| 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) | 0,000 | 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 ».