Maternal and neonatal outcomes associated with biologic exposure before and during pregnancy in women with inflammatory systemic diseases: a systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
OBJECTIVE: To determine the association between exposure to biologics in pregnant women with inflammatory systemic diseases and maternal and neonatal outcomes through a meta-analysis of findings from studies identified in a systematic review. METHODS: We conducted a systematic review of Medline, Embase, and Cochrane Database of Systematic Reviews to identify observational studies assessing the perinatal impacts of biologic in women with inflammatory systemic disease. Findings were meta-analysed across included studies with random-effects models. Crude risk estimates and, where possible, adjusted risk estimates were pooled to determine the impact on results when confounding is addressed. RESULTS: Overall, 24 studies were included in the meta-analysis. Meta-analyses of crude risk estimates resulted in pooled odds ratios (OR) for the association of biologic use during pregnancy and the following respective outcomes: congenital anomalies (1.30, 95% CI: 1.02, 1.67), preterm birth (OR 1.61, 95% CI: 1.37, 1.89), and low birth weight (OR 1.68, 95% CI: 1.21, 2.31). However, in pooled analyses of adjusted risk estimates we observed that the association between biologics use during pregnancy in disease-matched exposed and unexposed pregnant women was no longer statistically significant for congenital anomalies (adjusted OR 1.18, 95% CI: 0.88, 1.57). CONCLUSION: Pooled results from studies reporting adjusted risk estimates showed no increased risk of congenital anomalies associated with biologics use, suggesting that increased rates of adverse outcomes may be due to disease activity itself or other confounders.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».