MétaCan
Menu
Retour à la cohorte
Enregistrement W4411024953 · doi:10.1080/03014460.2025.2510499

Delayed skeletal maturation is a major contributor to child height deficits in a low-income setting

2025· article· en· W4411024953 sur OpenAlexfundno aff
Liina Mansukoski, Barry Bogin, J. Andres Galvez‐Sobral, Luis Furlán, William Johnson

Notice bibliographique

RevueAnnals of Human Biology · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueForensic Anthropology and Bioarchaeology Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad del ValleHospital for Sick ChildrenBill and Melinda Gates Foundation
Mots-clésLow incomeDemographyMedicineDemographic economicsEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Studying the extent to which delayed skeletal maturation may contribute to childhood height deficits is important for assessing potential for recovery in heights. AIM: To investigate the discrepancy in height-for-age Z-scores (HAZ) based on chronological age (HAZ-CA) compared to bone age (HAZ-BA) and estimate proportion of HAZ deficits attributable to delayed maturation in both sexes. SUBJECTS AND METHODS: Using the WHO Growth References, HAZ-CA and HAZ-BA were calculated for Guatemala City children aged 6-8.99 years participating in the Universidad del Valle de Guatemala Longitudinal Study and attending a low or a very low SEP study school. A mixed effects model was developed to describe 1638 HAZ observations (Level 1) in 1107 children (Level 2) by HAZ-type, with interaction terms for HAZ-type by age, sex, school, and birth year. RESULTS: On average, skeletal age was delayed by 1.1 (SD 1.0) years. Mean HAZ-CA was -1.7 (0.9) and HAZ-BA -0.6 (0.9). Greater proportions of the total height deficit were attributable to delayed skeletal maturation in males (60-87%) versus females (49-63%), and at low- (58-87%) versus very low-SES school (49-71%). CONCLUSION: Delayed maturation contributes to height deficits, supporting the idea that opportunity for catch-up growth continues past early childhood in both sexes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,316
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Human BiologyMême sujetForensic Anthropology and Bioarchaeology StudiesTravaux en français237 207