Angiogenic factors and the risk of preeclampsia: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: The etiological nature of preeclampsia is heterogeneous. The use of biomarkers indices in early pregnancy helps to have appropriate stratification of pregnancies into high- and low risk for the purpose of choosing timely interventions. Objective: The aim of this systematic review was to determine the pathogenic role of soluble soluble fms-like tyrosine kinase-1 (sFlt-1) and placental growth factor (PlGF) inthe prediction of preeclampsia in women. Materials and Methods: We performed a systematic search of the international databases including PubMed, Scopus, and Web of Science until August 2017. The quality of included studies was assessed using the Newcastle-Ottawa Scale. The primary outcome in this review was preeclampsia. The statistical heterogeneity was assessed using the X2 test and quantified by I2. Pooled effects size was obtained by random effects model. Subgroup analyses were also carried out. Results: Totally, 284 records were identified in the initial search and 15 records were finally included in the meta-analysis. The pooled odds ratios (ORs) for the association between the high level of sFlt-1 and low level of PlGF and subsequent development of preeclampsia among women were 5.20 (95% CI: 1.24–9.16) and 2.53 (95% CI: 1.33–3.75), respectively. The mean difference for sFlt-1 and PlGF in women with preeclampsia compared to controls was 1.15 (95% CI: 0.43–1.86) and –0.94 (95% CI: –1.37–0.52),respectively. Conclusion: According to the results from this meta-analysis, increased levels of sFlt-1 and reduced levels of PlGF predict the subsequent development of preeclampsia. Key words: Angiogenic factors, Preeclampsia, sFLT-1, PlGF.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».