Non-malignant gynaecological disease and risk of cardiovascular or cerebrovascular disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Cardiovascular disease is the leading cause of death globally. Non-malignant gynaecological diseases (NMGD) significantly affect patient health and well-being and may be associated with cardiovascular or cerebrovascular disease (C/CVD). Methods Seven databases were searched for relevant studies up to 21 April 2024. Observational studies reporting risk estimates and 95% CIs for the association between NMGD and C/CVD were included. Data were extracted by two independent reviewers. Random effects models were used to calculate summary relative risk (SRR) with 95% CI. Composite C/CVD outcome was defined as a combination of ischaemic heart disease, cerebrovascular disease, heart failure, and peripheral vascular disease. The ROBINS-I tool defined study quality and risk of bias. Results We screened 6639 studies, of which 59 were eligible for full-text review and 28 were included in our analysis, comprising a total of 3 271 242 individuals. The majority (53.5%) of the studies were scored as having a ‘serious’/‘critical’ risk of bias. Overall, individuals with an NMGD had a significantly greater risk of composite C/CVD with low heterogeneity among contributing studies (SRR 1.28, 95% CI 1.20 to 1.37; n=16 studies, I 2 =65.3%), ischaemic heart disease (SRR 1.41, 95% CI 1.31 to 1.51; n=21 studies, I 2 =73.7%), and cerebrovascular disease (SRR 1.33, 95% CI 1.18 to 1.51; n=16 studies, I 2 =91.5%). In NMGD-specific analyses, the risk of C/CVD and its components was greater among those with a history of endometriosis or polycystic ovary syndrome. Conclusions We found an overall association between NMGD and C/CVD across all studies. However, estimates from individual studies varied substantially.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».