Association Between Unintentional Injury During Pregnancy and Excess Risk of Preterm Birth and Its Neonatal Sequelae
Notice bibliographique
Résumé
The sequelae of preterm births may differ, depending on whether birth follows an acute event or a chronic condition. In a population-based cohort study of 2,711,645 Canadian hospital deliveries from 2003 to 2012, 3,059 women experienced unintentional injury during pregnancy. We assessed the impact of the acute event on pregnancy outcome and on neonatal complications, such as nontraumatic intracranial hemorrhage, respiratory distress syndrome, intubation, and death. We adjusted for maternal age, parity, pregnancy conditions, and (for neonates) gestational age in logistic regression analyses. Injury was significantly associated with fetal mortality and early preterm delivery. For preterm infants born to injured women during the hospitalization for injury versus those born to noninjured women, the adjusted odds ratios were 2.25 (95% confidence interval (CI): 1.23, 4.17) for neonatal death, 2.44 (95% CI: 1.76, 3.37) for respiratory distress, 2.20 (95% CI: 1.26, 3.84) for nontraumatic intracranial hemorrhage, and 2.17 (95% CI: 1.60, 2.96) for intubation, despite more favorable fetal growth in those born to noninjured women (adjusted birth-weight-for-gestational-age z score: 0.154 vs. 0.024, P = 0.041; small-for-gestational-age rate: 4.5% vs. 9.5%, P = 0.001). Our findings suggest that adaptation to the suboptimal intrauterine environment underlying chronic causes of preterm birth may protect preterm infants from adverse sequelae.
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 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».