The impact of diagnostic criteria for gestational diabetes on its prevalence: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The absence of universal gold standards for screening of gestational diabetes (GDM) has led to heterogeneity in the identification of GDM, thereby impacting the accurate estimation of the prevalence of GDM. We aimed to evaluate the effect of different diagnostic criteria for GDM on its prevalence among general populations of pregnant women worldwide, and also to investigate the prevalence of GDM based on various geographic regions. METHODS: A comprehensive literature search was performed in PubMed, Scopus and Google-scholar databases for retrieving articles in English investigating the prevalence of GDM. All populations were classified to seven groups based-on their diagnostic criteria for GDM. Heterogeneous and non-heterogeneous results were analyzed using the fixed effect and random-effects inverse variance model for calculating the pooled effect. Publication bias was assessed by Begg's test. The Meta-prop method was used for the pooled estimation of the prevalence of GDM. Meta-regression was conducted to explore the association between prevalence of GDM and its diagnostic criteria. Modified Newcastle-Ottawa Quality Assessment Scale for nonrandomized studies was used for quality assessment of the studies included; the ROBINS and the Cochrane Collaboration's risk of bias assessment tools were used to evaluate the risk of bias. RESULTS: We used data from 51 population-based studies, i.e. a study population of 5,349,476 pregnant women. Worldwide, the pooled overall-prevalence of GDM, regardless of type of screening threshold categories was 4.4%, (95% CI 4.3-4.4%). The pooled overall prevalence of GDM in the diagnostic threshold used in IADPSG criteria was 10.6% (95% CI 10.5-10.6%), which was the highest pooled prevalence of GDM among studies included. Meta-regression showed that the prevalence of GDM among studies that used the IADPSG criteria was significantly higher (6-11 fold) than other subgroups. The highest and lowest prevalence of GDM, regardless of screening criteria were reported in East-Asia and Australia (Pooled-P = 11.4%, 95% CI 11.1-11.7%) and (Pooled-P = 3.6%, 95% CI 3.6-3.7%), respectively. CONCLUSION: Over the past quarter century, the diagnosis of gestational diabetes has been changed several times; along with worldwide increasing trend of obesity and diabetes, reducing the threshold of GDM is associated with a significant increase in the incidence of GDM. The harm and benefit of reducing the threshold of diagnostic criteria on pregnancy outcomes, women's psychological aspects, and health costs should be evaluated precisely.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,052 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».