Association between pre-pregnancy multimorbidity and adverse maternal outcomes: A systematic review
Notice bibliographique
Résumé
Objective: We reviewed the literature on the association between pre-pregnancy multimorbidity (co-occurrence of two or more chronic conditions) and adverse maternal outcomes in pregnancy and postpartum. Data sources: Medline, EMBASE, and CINAHL were searched from inception to September, 2021. Study selection: Observational studies were eligible if they reported on the association between ≥ 2 co-occurring chronic conditions diagnosed before conception and any adverse maternal outcome in pregnancy or within 365 days of childbirth, had a comparison group, were peer-reviewed, and were written in English. Data extraction and synthesis: Two reviewers used standardized instruments to extract data and rate study quality and the certainty of evidence. A narrative synthesis was performed. Results: Of 6,381 studies retrieved, seven met our criteria. There were two prospective cohort studies, two retrospective cohort studies, and 3 cross-sectional studies, conducted in the United States (n=6) and Canada (n=1), and ranging in size from n=3,110 to n=57,326,681. Studies showed a dose-response relation between the number of co-occurring chronic conditions and risk of adverse maternal outcomes, including severe maternal morbidity or mortality, hypertensive disorders of pregnancy, and acute health care use in the perinatal period. Study quality was rated as strong (n=1), moderate (n=4), or weak (n=2), and the certainty of evidence was very low to moderate. Conclusion: Given the increasing prevalence of chronic disease risk factors such as advanced maternal age and obesity, more research is needed to understand the impact of pre-pregnancy multimorbidity on maternal health so that appropriate preconception and perinatal supports can be developed.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».