MétaCan
Menu
Retour à la cohorte
Enregistrement W3020840539 · doi:10.1136/jech-2019-ssmabstracts.78

OP75 A systematic review and meta-analysis of risk factors for pregnancy-associated stroke

2019· review· en· W3020840539 sur OpenAlexaboutno aff
R Green, Laila J. Tata, Nikola Sprigg

Notice bibliographique

RevueOral Presentations · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological Complications and Syndromes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePregnancyStroke (engine)Meta-analysisRisk factorMEDLINEInclusion and exclusion criteriaObstetricsCase fatality ratePediatricsEpidemiologyInternal medicineAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

<h3>Background</h3> Stroke in younger women is rare, however, pregnant women have a significantly increased risk around delivery and in early postpartum. Despite known risk factors, such as high blood pressure, the contribution of female-specific factors to women’s stroke risk are poorly understood. Whilst there are pathophysiological reasons for increased stroke in pregnancy, it is of clinical and public health importance to determine the extent to which these strokes can be pre-identified by background risk and pregnancy-related factors. We conducted a systematic review to identify risk factors for pregnancy-associated stroke; this included risk factors pre-existing (to pregnancy) and those developing during pregnancy and labour. <h3>Methods</h3> An electronic search of PubMed, MEDLINE and EMBASE databases, without language, study design or publication date restrictions, was performed in November 2018. Study inclusion criteria were reported risk factors/characteristics for women with stroke during pregnancy or up to 12 months after delivery and for a comparison group of pregnant/postpartum women without stroke. Stroke timing (antenatal, perinatal, postnatal), diagnostic type and fatality were assessed. Data were extracted and, where possible, a random effects meta-analysis was conducted, heterogeneity quantified using I<sup>2</sup>. Methodological quality was assessed using an adapted Newcastle-Ottawa scale. <h3>Results</h3> Of 3784 papers screened, 9 studies met the inclusion criteria comprising 11,398 women with stroke and &gt;85 million comparison women across 4 countries. Eight studies reported effect measures for at least one risk factor. Of fourteen risk factors reported, 8 showed a statistically significant increase in pregnancy-associated stroke; pooled odds ratios with 95% confidence intervals: maternal age <sup>3</sup>;35 years 2.66 (1.83–3.87), black ethnicity 1.56 (1.35–1.81), smoking 1.96 (1.64–2.34), alcohol use 2.32 (1.41–3.81), drug abuse 1.82 (1.19–2.77), hypertension 4.80 (3.26–7.06), pre-eclampsia 10.30 (8.26–12.84) and cesarean delivery 4.85 (2.22–10.59). Parity, body mass index, obesity, diabetes, infection, and migraine were not associated. Studies provided limited data to assess risk factors according to stroke timing, type and fatality. <h3>Conclusion</h3> Our findings improve current understanding of the relative contributions of different risk factors for pregnancy-associated stroke. However, our work highlights the very few existing studies in this area. The available studies assessed a limited number of risk factors, and many were similar to those known to increase stroke regardless of pregnancy. Studies including detailed risk assessment in relation to pregnancy, delivery and postpartum complications as well as women’s background risks are needed. Additionally, future research should establish whether risk factors differ according to stroke type and time-period in relation to pregnancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0080,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,340
Tête enseignante GPT0,451
Écart entre enseignants0,112 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOral PresentationsMême sujetNeurological Complications and SyndromesTravaux en français237 207