Interventions to improve birth outcomes of pregnant women living in low- and middle-income countries: a systematic review and network meta-analysis
Notice bibliographique
Résumé
Background: Improving the health of pregnant women is important to prevent adverse birth outcomes, such as preterm birth and low birthweight. We evaluated the comparative effectiveness of interventions under the domains of micronutrient, balanced energy protein, deworming, maternal education, and water sanitation and hygiene (WASH) for their effects on these adverse birth outcomes. Methods: For this network meta-analysis, we searched for randomized clinical trials (RCTs) of interventions provided to pregnant women in low- and middle-income countries (LMICs). We searched for reports published until September 17, 2019 and hand-searched bibliographies of existing reviews. We extracted data from eligible studies for study characteristics, interventions, participants’ characteristics at baseline, and birth outcomes. We compared effects on preterm birth (<37 gestational week), low birthweight (LBW; <2500 g), and birthweight (continuous) using studies conducted in LMICs. Results: Our network meta-analyses were based on 101 RCTs (132 papers) pertaining to 206,531 participants. Several micronutrients and balanced energy food supplement interventions demonstrated effectiveness over standard-of-care. For instance, versus standard-of-care, micronutrient supplements for pregnant women, such as iron and calcium, decreased risks of preterm birth (iron: RR=0.70, 95% credible interval [Crl] 0.47, 1.01; calcium: RR=0.76, 95%Crl 0.56, 0.99). Daily intake of 1500kcal of local food decreased the risks of preterm birth (RR=0.36, 95%Crl 0.16, 0.77) and LBW (RR=0.17, 95%Crl 0.09, 0.29), respectively when compared to standard-of-care. Educational and deworming interventions did not show improvements in birth outcomes, and no WASH intervention trials reported on these adverse birth outcomes. Conclusion: We found several pregnancy interventions that improve birth outcomes. However, most clinical trials have only evaluated interventions under a single domain (e.g. micronutrients) even though the causes of adverse birth outcomes are multi-faceted. There is a need to combine interventions that of different domains as packages and test for their effectiveness. Registration: PROSPERO CRD42018110446 ; registered on 17 October 2018.
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 | 0,021 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,034 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».