Salivary progesterone as a biomarker for predicting preterm birth: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Problem Several biomarkers have been studied to predict spontaneous preterm birth, including salivary progesterone. However, due to limited studies, the utility of this biomarker remains controversial. This study synthesized the available literature and determined the role of salivary progesterone as a potential biomarker for preterm birth. Method of Study All studies reporting the levels of salivary progesterone among pregnant women with reported birth outcomes were obtained from Ovid Medline, Scopus, CINAHL, and Cochrane Central Register of Controlled Trials from inception to January 10, 2022. A review of titles and abstracts was done independently by three reviewers. The quality of the studies was assessed using the Newcastle‐Ottawa scale. Meta‐analysis was performed in R v.4.1.3 using the “meta” package. Results Five studies involving 861 pregnant patients from Egypt, India, Iraq, and the US were included in this meta‐analysis. The random‐effects model showed that salivary progesterone level after the 28th week of gestation was significantly different between patients with term and preterm birth (standardized mean difference [SMD]: 1.99; 95% confidence interval [CI]: .44–3.54) with a high degree of heterogeneity ( I 2 = 96%, P < .001). Based on the results of this meta‐analysis, women with term birth had higher level of salivary progesterone after the 28th week of gestation than those with preterm birth. Conclusion In conclusion, the study results suggest that low salivary progesterone level after the 28th week of gestation is significantly associated with preterm birth. This study also highlights the use of saliva samples for monitoring sex steroid hormones throughout pregnancy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».