Birth weight and premature ovarian insufficiency: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To comprehensively evaluate the effect of low birth weight on premature ovarian insufficiency. METHODS: We performed a systematic review of the literature by searching MEDLINE, EMBASE, Web of Science, Scopus, Wanfang and CNKI up to August 2023. All cohort and case-control studies that included birth weight as an exposure and premature ovarian insufficiency as an outcome were included in the analysis. Data were combined using inverse-variance weighted meta-analysis with fixed and random effects models and between-study heterogeneity evaluated. We evaluated risk of bias using the Newcastle Ottawa Scale and using Egger's method to test publication bias. All statistical analyses were performed with the use of R software. RESULTS: Five articles were included in the review. A total of 2,248,594 women were included, including 21,813 (1%) cases of premature ovarian insufficiency, 150,743 cases of low birth weight, and 220,703 cases of macrosomia. We found strong evidence that changed the results of the previous review that low birth weight is associated with an increased risk of premature ovarian insufficiency (OR = 1.15, 95%CI 1.09-1.22) in adulthood compared with normal birth weight. No effect of macrosomia on premature ovarian insufficiency was found. CONCLUSIONS: Our meta-analysis showed strong evidence of an association between low birth weight and premature ovarian insufficiency. We should reduce the occurrence of low birth weight by various methods to avoid the occurrence of premature ovarian insufficiency.
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 | 0,016 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| 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 | 0,001 | 0,004 |
| 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 ».