Gout in pregnancy: Obstetric and neonatal outcomes
Notice bibliographique
Résumé
OBJECTIVE: The pregnancy, delivery, and neonatal outcomes of pregnancies complicated by gout have yet to be evaluated in a population-based study. We sought to evaluate the obstetric and neonatal outcomes in pregnant patients with gout using a national population database. METHODS: This is a retrospective population-based cohort study utilizing the Healthcare Cost and Utilization Project, Nationwide Inpatient Sample (HCUP-NIS). All women who delivered or had a maternal death in the USA (2004-2014) were included in the study. Pregnancy, delivery, and neonatal outcomes were compared between women with an ICD-9 diagnosis of gout to those without. RESULTS: Overall, 9 096 788 women met the inclusion criteria. Of these, 168 women (1.8/100000) had gout. Patients with gout, compared to those without, were more likely to be older and obese and to have chronic hypertension, pregestational diabetes mellitus, and thyroid disease. Pregnant women with gout were more likely to develop gestational diabetes mellitus (aOR 1.78 [95% CI 1.17-2.72], P = 0.008), to require operative vaginal delivery (aOR 3.26 [95% CI 2.03-5.22], P = 0.0001), and to experience venous thromboembolism (aOR 8.47 [95% CI 2.06-34.82], P = 0.003) compared to pregnant patients without gout. Patients with gout were more likely to deliver a neonate with congenital anomalies compared to those without gout (aOR 3.38 [95% CI 1.24-9.20], P = 0.02). CONCLUSION: Gout in pregnancy, or pregnancies complicated by a history of gout, are associated with increased risk of gestational diabetes mellitus, pulmonary embolism, and neonatal anomalies.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».