Participant characteristics in the prevention of gestational diabetes as evidence for precision medicine: a systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Precision prevention involves using the unique characteristics of a particular group to determine their responses to preventive interventions. This study aimed to systematically evaluate the participant characteristics associated with responses to interventions in gestational diabetes mellitus (GDM) prevention. METHODS: We searched MEDLINE, EMBASE, and Pubmed to identify lifestyle (diet, physical activity, or both), metformin, myoinositol/inositol and probiotics interventions of GDM prevention published up to May 24, 2022. RESULTS: From 10347 studies, 116 studies (n = 40940 women) are included. Physical activity results in greater GDM reduction in participants with a normal body mass index (BMI) at baseline compared to obese BMI (risk ratio, 95% confidence interval: 0.06 [0.03, 0.14] vs 0.68 [0.26, 1.60]). Combined diet and physical activity interventions result in greater GDM reduction in participants without polycystic ovary syndrome (PCOS) than those with PCOS (0.62 [0.47, 0.82] vs 1.12 [0.78-1.61]) and in those without a history of GDM than those with unspecified GDM history (0.62 [0.47, 0.81] vs 0.85 [0.76, 0.95]). Metformin interventions are more effective in participants with PCOS than those with unspecified status (0.38 [0.19, 0.74] vs 0.59 [0.25, 1.43]), or when commenced preconception than during pregnancy (0.21 [0.11, 0.40] vs 1.15 [0.86-1.55]). Parity, history of having a large-for-gestational-age infant or family history of diabetes have no effect on intervention responses. CONCLUSIONS: GDM prevention through metformin or lifestyle differs according to some individual characteristics. Future research should include trials commencing preconception and provide results disaggregated by a priori defined participant characteristics including social and environmental factors, clinical traits, and other novel risk factors to predict GDM prevention through interventions.
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.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle