Maternal altitude and risk of low birthweight: A systematic review and meta-analyses
Notice bibliographique
Résumé
Previous studies conducted in high altitude regions showed that maternal altitude was associated with low birth weight. The effect size of birth weight reduction is inclusive with unknown effects due to preterm birth. We systematically reviewed the literature and synthesize evidence on associations between altitude elevation from sea level and birth weight. We searched MEDLINE/PubMed, Embase, Scopus, Web of Science, and Cochrane database, from inception to May 5, 2020 for studies that reported maternal altitude and birth weight. Bayesian multilevel effect models were employed to estimate the effect size on birth weight (and gestational age) associated with altitude. Bayesian multilevel effect models were employed to estimate the effect size on birth weight (and gestational age) associated with altitude. The systematic search identified 1020 articles, with 52 articles meeting the inclusion criteria providing 207 estimates for the association of altitude and birth weight (n = 4,428,563), and with 22 articles providing 71 estimates for gestational age (n = 2,149,627). A reduction in mean birth weight of 96.98 g was associated with every 1000 m increase in altitude across 52 studies. A statistically significant but numerically minimal effect of maternal altitude elevation was observed on the gestational age (0.3 days), corresponding to a negligible estimation of 5 g lower birth weight. A relatively high heterogeneity of between-study association (I2>84.1%) and small study effect was found. A clinically meaningful birth weight reduction was associated with maternal altitude elevation beginning from sea level. Future longitudinal studies are needed to elucidate the causal association and to understand the late effect of maternal altitude.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».