Extreme Heat and Pregnancy Outcomes: A Scoping Review of the Epidemiological Evidence
Notice bibliographique
Résumé
BACKGROUND: Extreme heat caused by climate change is a major public health concern, disproportionately affecting poor and racialized communities. Gestational heat exposure is a well-established teratogen in animal studies, with a growing body of literature suggesting human pregnancies are similarly at risk. Characterization of extreme heat as a pregnancy risk is problematic due to nonstandard definitions of heat waves, and variable study designs. To better focus future research in this area, we conducted a scoping review to assess the effects of extreme heat on pregnancy outcomes. METHODS: A scoping review of epidemiological studies investigating gestational heat-exposure and published 2010 and 2020, was conducted with an emphasis on study design, gestational windows of sensitivity, adverse pregnancy outcomes and characterization of environmental temperatures. RESULTS: A sample of 84 studies was identified, predominantly set in high-income countries. Preterm birth, birthweight, congenital anomalies and stillbirth were the most common pregnancy outcome variables. Studies reported race/ethnicity and/or socioeconomic variables, however these were not always emphasized in the analysis. CONCLUSION: Use of precise temperature data by most studies avoided pitfalls of imprecise, regional definitions of heat waves, however inconsistent study design, and exposure windows are a significant challenge to systematic evaluation of this literature. Despite the high risk of extreme heat events and limited mitigation strategies in the global south, there is a significant gap in the epidemiological literature from these regions. Greater consistency in study design and exposure windows would enhance the rigor of this field.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».