Gestational Diabetes Mellitus: Efficacy of Non-Pharmacological Interventions for Management and Prevention
Notice bibliographique
Résumé
Background: Gestational diabetes mellitus (GDM) is a type of diabetes diagnosed during pregnancy and its prevalence is on the rise around the world. GDM increases the risk of serious adverse health outcomes for the mother and child. Multiple types of non-pharmacological interventions have been developed for the management and prevention of GDM; however, there is a lack of clarity regarding their effectiveness. Objective: To summarize the evidence on the efficacy of non-pharmacological interventions in the management and prevention of GDM. Methods: For this integrative review, a comprehensive literature search was conducted in the databases MEDLINE, CINAHL, Embase, Scopus, and Web of Science. The methodology followed the integrative approach outlined by Whittemore and Knafl’s, and study quality was evaluated using the Mixed Methods Assessment Tool. Results: A total of 44 relevant studies were included. Key themes identified for GDM management were (1) nutrition therapy and physical activity, (2) social and psychological support, (3) digital tools, and (4) barriers and facilitators. For GDM prevention, themes were categorized into individual-level approaches, (5) lifestyle and supplements, and population-level approaches: (6) environmental factors, and (7) health in all policies. Conclusions: The growing prevalence of GDM is a major public health concern that requires the implementation of effective multi-level evidence-based strategies. Environmental, socioeconomic, and racial determinants of health have substantial impacts on GDM, highlighting the need to address the root causes of the illness. Further research is needed to support effective preventive and management measures beyond standard pharmacological treatment, so that evidence-based solutions can be applied to enhance and safeguard the health of current and future generations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».