Excess Weight Gain in Pregnant Women and Prematurity: A Meta-Analysis
Notice bibliographique
Résumé
Background: Premature birth as a cause of morbidity and mortality in neonates. Excessive weight gain in pregnant women is considered a risk factor for adverse pregnancy outcomes including preterm birth. This study aims to analyze the effect of excess weight gain in pregnant women on premature birth. Subjects and Method: This research is a systematic review and meta-analysis. Article searches were conducted using electronic databases such as Google Scholar, PubMed, Science Direct and Springerlink. The articles used are articles published from 2011-2021. The keywords to search for articles were: “gestational weight gain” AND “pregnancy” AND (“preterm birth” OR “premature birth”) AND “cohort study” AND “adjusted odds ratio”. The inclusion criteria used were full text articles in English with a cohort study design, multivariate analysis with Adjusted Odds Ratios (aOR), research subjects were pregnant women, intervention was excessive weight gain, comparison was normal weight gain (adequate). , the study outcome was preterm delivery (<37 weeks). The article search results are listed in the PRISMA diagram and analyzed using the Review Manager 5.3 application. Results: A total of 10 cohort study articles from China, Indonesia, Canada, Korea, Mexico, Puerto Rico, Saudi Arabia, and Taiwan were selected for systematic review and meta-analysis. The results showed that excess weight gain in pregnant women increased the risk of preterm birth and was statistically significant (aOR= 1.23; 95% CI= 1.01 to 1.48; p= 0.030). Conclusion: Excess weight gain in pregnant women increases the risk of premature birth.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».