Risk predictors of severe adverse maternal outcomes in pre-eclampsia: a systematic review and meta-analysis protocol
Notice bibliographique
Résumé
INTRODUCTION: Pre-eclampsia (PE) remains a major contributor to maternal morbidity and mortality globally. Early identification of risk factors and evaluation of prognostic models for severe adverse maternal outcomes are essential for improving management and reducing complications. While numerous studies have explored potential risk markers, there is still no consensus on the most reliable factors and models to use in clinical practice. This systematic review aims to consolidate research on both individual predictors and prognostic models of severe adverse maternal outcomes in PE, providing a comprehensive overview to support better clinical decision-making and patient care. METHODS AND ANALYSIS: This review follows the Meta-analyses Of Observational Studies in Epidemiology (MOOSE) guidelines and the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) Protocol 2015 checklist. A systematic search will be performed using a detailed strategy across Medline, Embase, Cochrane, ProQuest dissertations, and grey literature from inception to 2 April 2024. Eligible studies will include those investigating clinical, laboratory-based, and sociodemographic predictors of severe adverse maternal outcomes in PE. Two reviewers will independently assess titles, abstracts, full texts, and extract data and assess study quality using the Quality In Prognostic Studies (QUIPS) tool for studies on risk predictors and the Prediction model Risk of Bias Assessment Tool (PROBAST) for prognostic models. The inclusion criteria will encompass cohort, case-control, and cross-sectional studies published in English and French involving women diagnosed with PE and reporting on the risk prediction for adverse maternal outcomes. The main outcomes of interest will include severe maternal morbidity and mortality during pregnancy, delivery, or within the postpartum period. Analyses will include both narrative synthesis and, where appropriate, meta-analysis using random-effects models. Pooled estimates will be calculated, with publication bias assessed through funnel plots and statistical tests (eg, Begg's and Egger's). Heterogeneity will be primarily assessed through visual inspection of forest plots, supported by statistical measures, such as the I² test, with further exploration through sensitivity, subgroup, and meta-regression analyses. ETHICS AND DISSEMINATION: This systematic review will be based on published data and will not require ethics approval. Results will be disseminated through peer-reviewed publications and presentations at academic conferences. PROSPERO REGISTRATION NUMBER: CRD42024517097.
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 | 0,055 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,019 | 0,021 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,089 | 0,008 |
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 ».