Prevalence and Predictors of Inflammation in Pregnant Women: Multi-Country Analysis From BRINDA Project
Notice bibliographique
Résumé
Limited data exist on the prevalence and predictors of inflammation during pregnancy. We aimed to characterize the inflammatory pattern and predictors of subclinical inflammation across pregnancy using multi-country analysis. The Biomarkers Reflecting Inflammation and Nutritional Determinants of Anemia (BRINDA) project compiled 17 datasets of pregnant women (n = 14,077) from 15 countries in both high- and low-income settings. Datasets were included if at least one inflammation biomarker (C-reactive protein, CRP, or α-1-acid glycoprotein, AGP) were collected. We estimated the prevalence of any subclinical inflammation (defined as CRP >5 mg/L or AGP >1 g/L), examined AGP and CRP patterns throughout pregnancy, and assessed the relationship between inflammation and covariates such as maternal age, gestational age, socioeconomic, and water and sanitation factors for each dataset. The prevalence of inflammation varied from 16.6% in Afghanistan to < 1% in Vietnam using elevated AGP and from 52.9% in the US to 7.6% in Vietnam using elevated CRP. Inflammation was common but varied across datasets: >40% in 5 datasets, 20–40% in 6 datasets, 10−< 20% in 5 datasets and < 10% in one dataset. AGP decreased with increasing gestational age (P < 0.01 in all seven datasets with gestational age information); however, the magnitude of decrease in AGP varied by country. In contrast, CRP showed an inconsistent pattern by gestational age. In multivariable models, the predictors of inflammation included age, trimester, urban or rural residence, socioeconomic status, improved sanitation, improved drinking water, lactating and smoking status, although strengths of association differed by dataset. Although there was considerable heterogeneity in the prevalence of inflammation, inflammation was common across pregnancy in diverse settings. AGP, a measure of long-term inflammation, decreased across pregnancy in all countries, whereas the pattern for CRP was inconsistent. The relationship between socioeconomic and health factors and inflammation varied across countries. Bill & Melinda Gates Foundation, Centers for Disease Control and Prevention, Eunice Kennedy Shriver National Institute of Child Health and Human Development, HarvestPlus, and the United States Agency for International Development.
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 | 0,001 | 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 ».