MétaCan
Menu
Retour à la cohorte
Enregistrement W4384008302 · doi:10.1371/journal.pone.0288240

Environmental exposures and adverse pregnancy outcomes in Ethiopia: A systematic review and meta-analysis

2023· review· en· W4384008302 sur OpenAlexaboutno aff
Habtamu Demelash, B. Bogale, Abebe Beyene Hailu, Seid Tiku Mereta

Notice bibliographique

RevuePLoS ONE · 2023
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePregnancyEnvironmental healthMeta-analysisLow birth weightCochrane LibraryBirth weightConfidence intervalSystematic reviewPublication biasObservational studyDemographyMEDLINEBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Maternal exposures to environmental hazards during pregnancy are key determinants of birth outcomes that affect health, cognitive and economic status later in life. In Ethiopia, various epidemiological evidences have suggested associations between environmental exposures such as household air pollution, cigarette smoking, and pesticide exposure and pregnancy outcomes such as low birth weight, preterm birth, and birth defects. OBJECTIVE: This review aimed at generating summarized evidence on the association between maternal exposure to environmental factors (household air pollution, cigarette smoking, and pesticide) and pregnancy outcomes (birth weight, preterm birth, and birth defects) in Ethiopia. METHOD: A systematic literature search was performed using PubMed, Google Scholar, and the Cochrane Library databases. All observational study designs were eligible for inclusion in the review. Quality assessment was conducted using the Newcastle-Ottawa Scale (NOS) quality assessment tools adopted for case-control and cross-sectional studies. The random-effects model was applied in computing the pooled estimates and their corresponding 95% confidence interval (CI). Funnel and Doi plots were used for detecting the potential publication bias. All statistical analyses were performed using comprehensive meta-analysis (CMA 2.0) and MetaXL version 5.3 software. RESULT: The pooled estimates revealed that prenatal biomass fuel use increased the risk of giving a low birth weight baby by twofold (OR = 2.10, 95% CI: 1.33-3.31), and has no separate kitchen increases the risk of having low birth weight baby nearly by two and half times (OR = 2.48, 95% CI: 1.25-4.92). Overall, using biomass fuel as the main energy source for cooking and /or having no separate kitchen from the main house is 2.37 times more likely to give low birth weight babies (OR = 2.37, 95% CI: 1.58-3.53). Active cigarette smoker women were 4 times (OR = 4.11, 95% CI: 2.82-5.89) more prone to have low birth weight babies than nonsmokers; and passive smoker women were 2.6 times (OR = 2.63, 95% CI: 1.09-6.35) more risked to give low birth weight babies. It was also estimated that active cigarette smoker women were nearly 4 times (OR = 3.90, 95% CI: 2.36-6.45) more likely to give preterm birth babies. Pesticide exposure during pregnancy also increases the risk of the birth defect 4 times (OR = 4.44, 95% CI: 2.61-7.57) compared with non-exposed pregnant women. CONCLUSION: Household air pollution from biomass fuel use, active and passive cigarette smoking, and pesticide exposures are significantly associated environmental risk factors for low birth weight, preterm birth, and birth defects in Ethiopia. Therefore, Pregnant and lactating women should be aware of these environmental hazards during pregnancy. Promoting clean energy and improved and efficient stoves at the household level will help to reduce household air pollution-related adverse health effects. TRIAL REGISTRATION: PROSPERO 2022: CRD42022337140.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,294
Écart entre enseignants0,131 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEnergy and Environment ImpactsTravaux en français237 207