Association of Polyphenols Consumption with Risk for Gestational Diabetes Mellitus and Preeclampsia: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Gestational Diabetes Mellitus (GDM) and preeclampsia (PE) affects 6-25% of pregnancies and are characterized by an imbalance in natural prooxidant/antioxidant mechanisms. Due to their antioxidant and anti-inflammatory properties, polyphenols consumption during the pregnancy might exert positive effects by preventing GDM and PE development. However, this association remains inconclusive. This systematic review and metanalysis is aimed to analyze the association between polyphenol-rich food consumption during pregnancy and the risk of GDM and PE. A systematic search in MEDLINE, EMBASE, and Web of Science (Clarivate Analytics, London, United Kingdom) for articles dated between 1 January 1980 and July 2022 was undertaken to identify randomized controlled trials and observational studies evaluating polyphenol-rich food consumption and the risk of GDM and PE. The Newcastle-Ottawa Scale was used to evaluate the quality of these included studies. Twelve studies were included, of which eight articles evaluated GDM and four studied PE. A total of 3785 women presented with GDM (2.33%). No association between polyphenol consumption and GDM was found (ES = 0.85, 95% CI 0.71-1.01). When total polyphenol intake was considered, a lower likelihood to develop GDM was noted (ES = 0.78, 95% CI 0.69-0.89). Furthermore, polyphenol consumption was not associated with PE development (ES = 0.90, 95% CI 0.57-1.41). In conclusion, for both outcomes, pooled analyses showed no association with polyphenol-rich food consumption during pregnancy. Therefore, association of polyphenol intake with a decreased risk of GDM and PE remains inconclusive.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,000 |
| 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 ».