Sonographic Evaluation of Maternal Renal Echogenicity in Healthy Pregnant Women in the Niger Delta Region of Nigeria
Notice bibliographique
Résumé
BACKGROUND: Increased renal echogenicity is a non-specific ultrasound finding. It may be a normal variation or suggestive of various underlying conditions like renal amyloidosis, chronic kidney disease, sickle cell disease and HIV associated nephropathy (HIVAN). Objective: To study maternal renal echogenicity in normal pregnancy, and explore its relationship with maternal baseline characteristics in our subregion. METHODS: This descriptive, cross-sectional study was conducted in the Obstetrics and Radiology Units of the two tertiary health facilities, one secondary facility and one radio-diagnostic facility, all in Bayelsa State, South-South Nigeria, between March-August 2022. The relationships between maternal renal echogenicity and age, parity and gestational age were explored using Chi-square test of proportion, while with an analysis of variance (ANOVA), the mean difference of age, weight and height between the grades of renal echogenicity was investigated. Kruskal Wallis test was deployed to examine parity in the grades of renal echogenicity. The level of significance was set at p<0.05. RESULTS: The study participants that had Grade 0, 1 and 2 renal echogenicity were 160 (39.7%), 403 (58.3%) and 8 (2.0%), respectively. There were statistically significant relationships between maternal renal echogenicity and maternal age (ꭓ2=36.94; p=0.001), parity (ꭓ2=64.29; p=0.001), gestational age (ꭓ2=16.03; p=0.003) and body mass index (BMI) (ꭓ2 = 45.15; p – 0.001). CONCLUSION: Our study revealed a significant relationship between maternal renal echogenicity in normal pregnancy and maternal baseline characteristics (age, parity, gestational age and weight).
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 | 0,019 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».