Patterns of multiple chronic conditions in pregnancy: Population‐based study using latent class analysis
Notice bibliographique
Résumé
BACKGROUND: Adults with multiple chronic conditions (MCC) are a heterogeneous population with elevated risk of future adverse health outcomes. Yet, despite the increasing prevalence of MCC globally, data about MCC in pregnancy are scarce. OBJECTIVES: To estimate the population prevalence of MCC in pregnancy and determine whether certain types of chronic conditions cluster together among pregnant women with MCC. METHODS: We conducted a population-based cohort study in Ontario, Canada, of all 15-55-year-old women with a recognised pregnancy, from 2007 to 2020. MCC was assessed from a list of 22 conditions, identified using validated algorithms. We estimated the prevalence of MCC. Next, we used latent class analysis to identify classes of co-occurring chronic conditions in women with MCC, with model selection based on parsimony, clinical interpretability and statistical fit. RESULTS: Among 2,014,508 pregnancies, 324,735 had MCC (161.2 per 1000, 95% confidence interval [CI] 160.6, 161.8). Latent class analysis resulted in a five-class solution. In four classes, mood and anxiety disorders were prominent and clustered with one additional condition, as follows: Class 1 (22.4% of women with MCC), osteoarthritis; Class 2 (23.7%), obesity; Class 3 (15.8%), substance use disorders; and Class 4 (22.1%), asthma. In Class 5 (16.1%), four physical conditions clustered together: obesity, asthma, chronic hypertension and diabetes mellitus. CONCLUSIONS: MCC is common in pregnancy, with sub-types dominated by co-occurring mental and physical health conditions. These data show the importance of preconception and perinatal interventions, particularly integrated care strategies, to optimise treatment and stabilisation of chronic conditions in women with MCC.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».