Maternal obesity management: a narrative literature review of health policies
Notice bibliographique
Résumé
Maternal obesity rates are increasing significantly, posing substantial risks to both mothers and their children. This study aims to introduce health policies addressing maternal obesity, identify preventive interventions, and highlight scientific gaps necessitating further research.We identified documents through electronic searches in PubMed, CINAHL Plus, EMBASE, and grey literature sources (ministry of health websites, national gynecology and obstetrics associations) from January 2013 to August 2023, updated in June 2024. The inclusion criteria focused on English-language documents discussing interventions or health policies that promote weight loss through lifestyle changes during pregnancy.A total of 22 documents (10 studies and 12 guidelines) were included. 12 studies (N=1244) identified via databases; included two Clinical Practice Guidelines (CPGs) from Canada and Singapore. Other 10 CPGs sourced from governmental websites and national associations: England (1), Australia (1), New Zealand (1), combined Australia and New Zealand (1), Canada (3), USA (1), Ireland (1), Germany (1). 10 guidelines focused on obesity in pregnancy, two on weight management during pregnancy. Covered interventions across pre-pregnancy, pregnancy, and postpartum periods (9 guidelines); pre-pregnancy and pregnancy (2); exclusively postpartum (1). Seven guidelines offered evidence-based recommendations on maintaining healthy weight in mothers, largely based on expert opinions.Maternal obesity poses significant risks to both mothers and children, underscoring the need for effective health policies and systems. However, few countries have integrated adequate responses into their healthcare policies and guidelines for professionals. Limited evidence exists on optimal practices to improve reproductive health outcomes in obese women. Hence, the crucial need to developing comprehensive guidelines and proactive strategies to manage maternal obesity. These measures can improve outcomes and reduce healthcare costs. Increased focus on research and policymaking is essential to protect the health of mothers and their children.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».