Prevalence of Rheumatic Heart Disease and Other Cardiac Conditions in Low-Risk Pregnancies in Kenya: A Prospective Echocardiography Screening Study
Notice bibliographique
Résumé
Background: Rheumatic heart disease (RHD) in sub-Saharan Africa contributes to significant cardiac morbidity and mortality, yet prevalence estimates of RHD lesions in pregnancy are lacking. Objectives: Our first aim was to evaluate women using echocardiography to estimate the prevalence of RHD and other cardiac lesions in low-risk pregnancies. Our second aim was to assess the feasibility of screening echocardiography and its acceptability to patients. Methods: We prospectively recruited 601 pregnant women from a low-risk antenatal clinic at a tertiary care maternity centre in Western Kenya. Women completed a questionnaire about past medical history and cardiac symptoms. They underwent standardized screening echocardiography to evaluate RHD and non-RHD associated cardiac lesions. Our primary outcome was RHD-associated cardiac lesions and our secondary outcome was a composite of any clinically-relevant cardiac lesion or echocardiography finding. We also recorded duration of screening echocardiography and its acceptability among pregnant women in this sample. Results: The point prevalence of RHD-associated cardiac lesions was 5.0/1,000 (95% confidence interval: 1.0-14.5), and the point prevalence of all clinically significant lesions/findings was 21.6/1,000 (11.6-36.7). Mean screening time was seven minutes (SD 1.7, range: 4-17) for women without cardiac abnormalities and 13 minutes (SD 4.6, range: 6-23) for women with abnormal findings. Echocardiography was acceptable to women with 74.2% agreeing to participate. Conclusions: The prevalence of clinically-relevant cardiac lesions was moderately high in a low-risk population of pregnant women in Western Kenya.
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) | 0,000 | 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 ».