The association between temporal changes in the use of obstetrical intervention and small- for-gestational age live births
Notice bibliographique
Résumé
Background: The literature attributes secular declines in small-for-gestational age (SGA) live births to changes in maternal smoking and other maternal characteristics. However, there are reasons to believe that the observed reductions in SGA may be a consequence of early delivery following obstetric intervention. Methods: We examined temporal trends in obstetrical intervention and SGA among singleton live births in the United States from 1990 to 2010. The modified Kitagawa decomposition, based on the fetuses-at-risk approach, was used to assess the relative contribution of changes in the gestational age distribution and gestational age-specific SGA to overall changes in SGA. Reductions in SGA rates due to a left shift in the gestational age distribution were assumed to primarily reflect increased obstetrical intervention, whereas decreases in overall SGA due to decreases in gestational-age-specific SGA rates were assumed to reflect declines in risk factors. Results: Temporal trends in SGA followed a non-linear pattern, with substantial declines from 10.1 % in 1990–92 to 8.9 % in 2002–04, followed by a small increase to 9.1 % in 2008–10. Rates of maternal smoking steadily decreased throughout the same time period and changes in SGA rates were more consistent with changes in the gestational age distribution. The modified Kitagawa decomposition analysis also attributed the initial decline in SGA rates to changes in the gestational age distribution. Conclusions: Complex temporal pattern in SGA rates cannot be explained by the linear pattern of changes in factors like maternal smoking. Changes in the gestational age distribution are more consistent with the observed secular trends in SGA rates.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».