Predictors of Birth Weight Among Infants in Uasin Gishu County, Kenya
Notice bibliographique
Résumé
Birth weight is a predictor of survival rate among neonates and a marker of neonatal and maternal nutrition and health. Low birth weight is associated with both short-term and long-term consequences for neonates that include risk for chronic diseases later in life. This study determined the prevalence of low birth weight as well as factors associated with birth weight in Uasin Gishu County, Kenya. This was a retrospective study in which health records of 970 mothers who delivered at Moi Teaching and Referral Hospital in Kenya were evaluated. Data were analyzed using descriptive statistics and linear regression modelling. The mean birth weight (BW) was 3.0±0.6 kg and the prevalence of low birth weight was 13.5%. The mothers’ mean age (years) was 26.0±5.8 with a median of 25 (range:14-46) years. Factors associated with low birth weight were: employment status, marital status, sex of the child, gestation, presence of deformity and pregnancy outcome. In the final multivariate linear regression model, mean infant BW reduced by 15.1% when the mother was unemployed compared to 8.7% for those who were formally employed. Infants born via CS had 9.6% higher BW than those born vaginally. BW reduced by 15.5% when the infant was female compared with those who were male. There was an increase in the infant BW by 46.0% when infant had no deformity. The relationship between the gestation period at delivery and infant BW depended on the pregnancy outcome. Factors associated with low birth weight were employment status, marital status, sex of the child, gestation period, presence of deformity and pregnancy outcome. Interventions aiming at improving BW and reducing the prevalence of LBW should consider these factors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».