The Effectiveness of Prenatal Care Programs on Reducing Preterm Birth in Socioeconomically Disadvantaged Women
Notice bibliographique
Résumé
Background: Preterm Birth (PTB) is one of the leading causes of infant morbidity and mortality. Prenatal care is an effective way to improve pregnancy outcomes but there is limited evidence of effective interventions to improve perinatal outcomes in disadvantaged pregnant women. This review was conducted with the aim to assess the effectiveness of prenatal care programs in reducing PTB in socioeconomically disadvantaged women. Materials and Methods: We searched the Scopus, PubMed, Web of Science, and Cochrane Library databases from January 1, 1990 to August 31, 2021. The inclusion criteria included clinical trials and cohort studies focusing on prenatal care in deprived women with the primary outcome of PTB (< 37 weeks). Risk of bias was assessed using the Cochrane Collaboration's tool for assessing risk of bias and the Newcastle–Ottawa Scale. Heterogeneity was evaluated using the Q test and I 2 statistics. The pooled odds ratio was calculated using random-effects models. Results: In total, 14 articles covering 22,526 women were included in the meta-analysis. Interventions/exposures included group prenatal care, home visits, psychosomatic programs, integrated intervention on socio-behavioral risk factors, and behavioral intervention through education, social support, joint management, and multidisciplinary care. The pooled results showed that all types of interventions/exposure were associated with a reduction in the risk of PTB [OR = 0.86; 95% confidence interval: (0.64, 1.16); I 2 = 79.42%]. Conclusions: Alternative models of prenatal care reduce PTB in socioeconomically disadvantaged women compared with standard care. The limited number of studies may affect the power of this study.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».