Pregnancy Weight Gain Before Diagnosis and Risk of Preeclampsia
Notice bibliographique
Résumé
Weight gain in early pregnancy may influence a woman’s risk of developing preeclampsia. However, the consequences of weight gain throughout pregnancy up to the diagnosis of preeclampsia are unknown. The aim of this study was to determine whether pregnancy weight gain before the diagnosis of preeclampsia is associated with increased risks of preeclampsia (overall and by preeclampsia subtype). The study population included nulliparous pregnant women in the Swedish counties of Gotland and Stockholm, 2008 to 2013, stratified by early pregnancy body mass index category. Electronic medical records were linked with population inpatient and outpatient records to establish date of preeclampsia diagnosis (classified as any, early preterm <34 weeks, late preterm 34–36 weeks, or term ≥37 weeks). Antenatal weight gain measurements were standardized into gestational age-specific z scores. Among 62 705 nulliparous women, 2770 (4.4%) developed preeclampsia. Odds of preeclampsia increased by ≈60% with every 1 z score increase in pregnancy weight gain among normal weight and overweight women and by 20% among obese women. High pregnancy weight gain was more strongly associated with term preeclampsia than early preterm preeclampsia (eg, 64% versus 43% increased odds per 1 z score difference in weight gain in normal weight women, and 30% versus 0% in obese women, respectively). By 25 weeks, the weight gain of women who subsequently developed preeclampsia was significantly higher than women who did not (eg, 0.43 kg in normal weight women). In conclusion, high pregnancy weight gain before diagnosis increases the risk of preeclampsia in nulliparous women and is more strongly associated with later-onset preeclampsia than early-onset preeclampsia.
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 | 0,000 | 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 ».