Pregnancy planning may impact maternal and neonatal outcomes in people with myasthenia gravis
Notice bibliographique
Résumé
INTRODUCTION: Myasthenia Gravis (MG) is an acquired autoimmune condition commonly diagnosed in young people of reproductive age resulting in neuromuscular junction dysfunction. The course of MG during pregnancy and its impact on maternal and neonatal outcomes is vary in the literature. Pregnancy planning is a known strategy and modifiable risk factor in obstetric practice to decrease maternal and neonatal morbidity. We aim to assess if planning a pregnancy impacts maternal and neonatal outcomes, MG exacerbation, and pregnancy-related complications. METHODS: This study utilized data from an online, North American survey entitled "A Patient Centered study on Pregnancy in People with Myasthenia Gravis", distributed with the assistance of MG advocacy groups in the United States and Canada. It included individuals with MG who had at least one pregnancy in the last 10-years. Key maternal and neonatal outcomes were compared between planned and unplanned pregnancies. RESULTS: Out of 156 survey participants, 58 had a pregnancy following MG diagnosis, totaling 90 reported pregnancies. Of these, 56 (62.2%) were planned and 34 (37.8%) were unplanned pregnancies. The unplanned pregnancies were associated with more MG exacerbations, hospitalizations, and intensive care unit admission (37.7% vs. 13.7%, 26.5% vs. 11%, and 17.6% vs. 8.9%, respectively, p ≤ .05). The neonatal outcomes did not significantly differ between the groups. DISCUSSION: Planned pregnancies in people with MG may be associated with a reduced gestational and post-partum risk of MG exacerbation, hospitalizations, and ICU admissions. Larger studies are required to confirm this association and account for potential contributing variables.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».