Adverse Neonatal Outcomes in Pregnant Women with Severe Vomiting: A Meta-Analysis
Notice bibliographique
Résumé
Background: We aimed to systematically evaluate the risk of negative effect for newborns born to expectant mothers with severe vomiting in terms of birth weight, premature delivery, low Apgar score, and NICU hospitalization. Methods: We conducted a systematically search for relevant studies on PubMed, Embase, Cochrane Library, and CNKI databases, using Newcastle-Ottawa Scale to evaluate research quality, and RevMan 5.3 software for meta-analysis from 2009 to 2022. The main outcome measures were: Low-birth weight, preterm delivery, low Apgar score and growth restriction. Results: In 9 studies, the risk of Low birth weight in hyperemesis pregnant women was increased, and the random effect model was OR 2.38 (95% CI 0.43 to 13.13). The heterogeneity of the study was high (I2=100%). Four studies showed an increased risk of low Apgar scores, with an OR of 2.69 (95% CI 0.30 to 24.48), and high heterogeneity (I2=95%). The risk of premature birth in 5 papers is equivalent, with an OR of 0.93 (95% CI 0.71 to 1.22) and low heterogeneity (I2=6%). The risk of growth restriction was higher in 7 papers, with an OR of 1.31 (95% CI 0.93 to 1.85) and lower heterogeneity (I2=29%). Subgroup analysis showed that heterogeneity mainly stemmed from differences in the definition of hyperemesis. Conclusion: Pregnant women with severe vomiting have a higher risk of giving birth to babies with low birth weight and low Apgar scores, and a higher risk of giving birth to babies with growth restriction, but the risk of premature birth is comparable
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| 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) | 0,001 | 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 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 ».