Pregnancy and extreme heat events: A rapid review of evidence related to health outcomes, risk factors and interventions
Notice bibliographique
Résumé
BACKGROUND: Climate change is increasing the frequency and severity of extreme heat events (EHEs), resulting in increased morbidity and mortality for vulnerable populations. Pregnant people and fetuses are at risk for adverse pregnancy outcomes from EHEs. OBJECTIVE: To collate and synthesize existing evidence on the effects of EHE on pregnant people and fetuses and relevant mitigating factors and interventions to inform healthcare providers and other pregnancy-focused audiences. METHODS: A peer-reviewed search strategy was conducted in MEDLINE, EMBASE, Global Health, CAB Abstracts, SCOPUS, and ProQuest Public Health, for empirical studies and reviews published between 2009 and 2023 in English and French. The search strategy focused on terms related to EHEs, exposure, and pregnancy. Health outcomes, risk factors and interventions relating to EHEs (defined based on high ambient temperature thresholds) were reviewed and narratively reported. FINDINGS: Sixty-eight studies were included (n = 16 reviews; n = 52 empirical studies). Associations between both adverse fetal outcomes (e.g., pre-term birth) and maternal outcomes (e.g., severe maternal morbidities) and EHEs were identified. Pregnant people with low socioeconomic status were found to be more likely to have morbidities. Interventions such as improved clinician support have been proposed by researchers to reduce the risk of poor pregnancy outcomes. CONCLUSION: There is an association between EHEs and the development of pregnancy-related morbidity and mortality, mediated by environmental, social and intrinsic individual factors. There are remaining knowledge gaps that have been identified that should be addressed, but more importantly, the synthesis of this evidence highlights the urgent need for interventions such as improved healthcare provider education, and policy interventions to mitigate the health riskscaused by exposure to heat in pregnant populations.
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 | 0,014 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».