The Effect of Season on the Prevalence of Preeclampsia
Notice bibliographique
Résumé
Background: Preeclampsia can be defined as a pregnancy-specific syndrome that a group of pathological signs and symptoms occur simultaneously without known causes. This study aimed to determine the effect of season on the prevalence of preeclampsia in pregnant women referring to Sanandaj Besat Hospital during 2013 - 2014. Methods: This descriptive study was conducted on 363 pregnant women referring to Sanandaj Besat Hospital during 2013 - 2014. Data were collected from medical records of pregnant women who were hospitalized because of preeclampsia and analyzed with STATA-11 and Chi-square test. Results: The results showed that the mean age of women diagnosed with preeclampsia was 30.5 ± 6.60 years. The prevalence of preeclampsia in urban and rural pregnant women was 10% and 4%, respectively. The incidence of preeclampsia was 30% during the winter months. There was no statistically significant relationship between the season of conception and the month of preeclampsia (P = 0.67). Conclusions: Based on the findings of this study, it can be said that the risk of preeclampsia in cold seasons is more than warmer seasons and its incidence is lower in urban multiparous women. J Clin Gynecol Obstet. 2016;5(3):81-84 doi: http://dx.doi.org/10.14740/jcgo408w Â
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 | 0,004 | 0,076 |
| 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 | 0,001 |
| 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 ».