The Impact of Prenatal Care on the Prevention of Neonatal Outcomes: A Systematic Review and Meta-Analysis of Global Health Interventions
Notice bibliographique
Résumé
Background/Objectives: Neonatal outcomes, including low birth weight, preterm birth, and neonatal mortality, pose significant global health challenges, particularly in low- and middle-income countries. Prenatal care has emerged as a critical intervention in mitigating these risks through medical, nutritional, and psychosocial support. This study aimed to systematically assess the effectiveness of prenatal care interventions in preventing neonatal outcomes across diverse settings. Methods: A systematic review and meta-analysis were conducted according to PRISMA guidelines, with the protocol registered in PROSPERO (CRD42024601066). Fourteen peer-reviewed studies were included following a comprehensive search across five major databases. Eligible studies reported quantitative neonatal outcomes associated with prenatal care interventions, including nutritional supplementation, mental health services, telehealth, and routine antenatal care. Random-effects models were used for meta-analysis, and the risk of bias was assessed using RoB 2 and the Newcastle–Ottawa Scale. Results: Nutritional interventions, especially folic acid and iron supplementation, significantly reduced neonatal mortality by up to 40% (RR = 0.60, 95% CI: 0.54–0.68). High-quality prenatal care was associated with a 41% reduction in neonatal mortality. Psychosocial support reduced the risk of low birth weight and preterm birth, while telehealth interventions lowered NICU admissions in low-risk populations (RR = 0.88, 95% CI: 0.75–1.03). Heterogeneity was substantial (I2 = 70%), and publication bias was suggested. Conclusions: Comprehensive prenatal care, integrating medical, nutritional, and mental health interventions, significantly improves neonatal outcomes. The global implementation of accessible, high-quality prenatal services is essential, particularly in underserved populations, to reduce neonatal morbidity and mortality.
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 | 0,022 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,053 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».