Risk factors for adverse pregnancy outcomes in Chinese women: a meta-analysis
Notice bibliographique
Résumé
Objective: This study examined the associated risk factors of adverse pregnancy outcomes among Chinese females and furnished some fundamental principles and recommendations for enhanced prevention of adverse pregnancy and preservation of women's well-being. Methods: A systematic review was conducted by retrieving the MEDLINE (The National Library of Medicine), Embase, PubMed, and Cochrane databases. The relevant risk factors for adverse pregnancy in Chinese women were retrieved from May 2017 to April 2023. Use Review Manager for data analysis. Calculate the merge effect based on data attributes using mean difference (MD) or odds ratio (or) and 95% confidence interval (CI). The meta-analysis was registered at INPLASY (International Platform of Registered Systematic Review and Meta-analysis Protocols, 202340090). Results: A total of 15 articles were included, with a total of 946,818 Chinese pregnant women. Moreover, all the literature was scored by the NOS (Newcastle-Ottawa Scale), and all literatures were ≥7 points, which were evaluated as high quality. There are seven risk factors related to adverse pregnancy in Chinese women: parity, pregnancy frequency, education level, smoking, gestational diabetes, gestational weeks, and age. Moreover, the main risk factors for adverse pregnancy are pregnancy frequency, education level, gestational diabetes mellitus, and age. Conclusion: The pregnancy frequency, education level, gestational diabetes mellitus, and age were significantly associated with the adverse pregnancy in Chinese women, whereas gestational weeks, smoking, and parity had no significant effect on adverse 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| 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 ».