High body mass index and sleep problems during pregnancy: A meta‐analysis and meta‐regression of observational studies
Notice bibliographique
Résumé
Despite the well-established correlation of weight and sleeping problems, little is known about the nature of the association. The present study examined whether pregnant women with high body mass index have a risk of developing sleep problems, and identified any covariates that affect this relationship. We systematically searched electronic databases, specialized journals, various clinical trial registries, grey literature databases and the reference list of the identified studies. All observational studies were obtained from inception until 9 August 2020. The Newcastle-Ottawa Scale was adopted to assess the quality of studies. Stata software was used to conduct meta-analysis and meta-regression. Forty-six observational studies involving 2,240,804 participants across 16 countries were included. Quality assessment scores ranged from 4 to 10 (median = 6). Meta-analyses revealed that the risk of sleep apnea, habitual snoring, short sleep duration and poor sleep quality is increased in pregnant women with high body mass index, but not for daytime sleepiness, insomnia or restless legs syndrome. Subgroup differences were detected on body mass index between different regions, nature of population, year of publication, age group and study quality. Random-effects meta-regression analyses showed that year and quality of publication were covariates on the relationships between pre-pregnant body mass index and sleep apnea risk. Our review shows that sleep apnea, habitual snoring, short sleep duration and poor sleep quality are important concerns for pregnant women with high body mass index. Developing screening and targeted interventions is recommended to promote efficacious perinatal care.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».