Population-level data on antenatal screening for proteinuria; India, Mozambique, Nigeria, Pakistan
Notice bibliographique
Résumé
OBJECTIVE: To estimate the prevalence and prognosis of proteinuria at enrolment in the 27 intervention clusters of the Community-Level Interventions for Pre-eclampsia cluster randomized trials. METHODS: We identified pregnant women eligible for inclusion in the trials in their communities in four countries (2013-2017). We included women who delivered by trial end and received an intervention antenatal care visit. The intervention was a community health worker providing supplementary hypertension-oriented care, including proteinuria assessment by visual assessment of urinary dipstick at the first visit and all subsequent visits when hypertension was detected. In a multilevel regression model, we compared baseline prevalence of proteinuria (≥ 1+ or ≥ 2+) across countries. We compared the incidence of subsequent complications by baseline proteinuria. FINDINGS: Baseline proteinuria was detected in less than 5% of eligible pregnancies in each country (India: 234/6120; Mozambique: 94/4234; Nigeria: 286/7004; Pakistan: 315/10 885), almost always with normotension (India: 225/234; Mozambique: 93/94; Nigeria: 241/286; Pakistan: 264/315). There was no consistent relationship between baseline proteinuria (either ≥ 1+ or ≥ 2+) and progression to hypertension, maternal mortality or morbidity, birth at < 37 weeks, caesarean section delivery or perinatal mortality or morbidity. If proteinuria testing were restricted to women with hypertension, we projected annual cost savings of 153 223 981 United States dollars (US$) in India, US$ 9 055 286 in Mozambique, US$ 53 181 933 in Nigeria and US$ 38 828 746 in Pakistan. CONCLUSION: Our findings question the recommendations to routinely evaluate proteinuria at first assessment in pregnancy. Restricting proteinuria testing to pregnant women with hypertension has the potential to save resources.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».