Changes in the prevalence of maternal chronic conditions during pregnancy: A nationwide age–period–cohort analysis
Notice bibliographique
Résumé
OBJECTIVE: To estimate temporal changes in the prevalence of pre-existing chronic conditions among pregnant women in Sweden and evaluate the extent to which secular changes in maternal age, birth cohorts and obesity are associated with these trends. DESIGN: Population-based cross-sectional study. SETTING: Sweden, 2002-2019. POPULATION: All women (aged 15-49 years) who delivered in Sweden (2002-2019). METHODS: An age-period-cohort analysis was used to evaluate the effects of age, calendar periods, and birth cohorts on the observed temporal trends. MAIN OUTCOME MEASURES: Pre-existing chronic conditions, including 17 disease categories of physical and psychiatric health conditions recorded within 5 years before childbirth, presented as prevalence rates and rate ratios (RRs) with 95% confidence intervals (CIs). Temporal trends were also adjusted for pre-pregnancy body mass index (BMI) and the mother's country of birth. RESULTS: The overall prevalence of at least one pre-existing chronic condition was 8.7% (147 458 of 1 703 731 women). The rates of pre-existing chronic conditions in pregnancy increased threefold between 2002-2006 and 2016-2019 (RR 2.82, 95% CI 2.77-2.87). Rates of psychiatric (RR 3.80, 95% CI 3.71-3.89), circulatory/metabolic (RR 1.62, 95% CI 1.55-1.71), autoimmune/neurological (RR 1.69, 95% CI 1.61-1.78) and other (RR 2.10, 95% CI 1.99-2.22) conditions increased substantially from 2002-2006 to 2016-2019. However, these increasing rates were less pronounced between 2012-2015 and 2016-2019. No birth cohort effect was evident for any of the pre-existing chronic conditions. Adjusting for secular changes in obesity and the mother's country of birth did not affect these associations. CONCLUSIONS: The burden of pre-existing chronic conditions in pregnancy in Sweden increased from 2002 to 2019. This increase may be associated with the improved reporting of diagnoses and advancements in chronic condition treatment among women, potentially enhancing their fecundity.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».