Assessment of physical fitness during pregnancy: validity and reliability of fitness tests, and relationship with maternal and neonatal health – a systematic review
Notice bibliographique
Résumé
Background: Physical fitness (PF) is a powerful marker of health throughout the lifespan. In pregnant women, higher PF is associated with better maternal and fetal health, better delivery outcomes and earlier postpartum recovery. The assessment of PF during pregnancy requires special considerations to preserve fetal and maternal health; thus, providing a compilation of the most frequently used fitness tests, and assessing their validity, reliability, and association with maternal and neonatal health-related outcomes is of scientific and clinical interest. Objectives: To systematically review studies evaluating one or more components of PF in pregnant women, to answer two research questions: 1) What fitness tests have been previously employed in pregnant women? and 2) What is the validity and reliability of these tests and their relationship with health-related outcomes? Data Sources: PubMed and Web of Science. Methods: Two independent reviewers systematically examined the articles in each database. The information from the included articles was summarized by a single researcher. Results: A total of 149 articles containing a sum of 191 fitness tests were included. Among the 191 fitness tests, 99 (i.e.,52%) assessed cardiorespiratory fitness through 75 different protocols, 28 (15%) assessed muscular fitness through 16 different protocols, 14 (7%) assessed flexibility through 13 different protocols, 45 (24%) assessed balance through 40 different protocols, 2 assessed speed with the same protocol and 3 were multidimensional tests using one protocol. A total of 19 articles with 23 tests (13%) assessed either validity (n=4), reliability (n=6), or the relationship of PF with health-related outcomes (n=16). Conclusion: PF during pregnancy has been assessed through a wide variety of protocols, mostly lacking validity and reliability data.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».