MétaCan
Menu
Retour à la cohorte
Enregistrement W6925025436 · doi:10.17605/osf.io/k5nup

Does dietitian involvement during pregnancy improve birth outcomes? A systematic review

2022· other· en· W6925025436 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2022
Typeother
Langueen
DomaineComputer Science
ThématiqueNumerical Methods and Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPregnancyPsychological interventionPrenatal careLow birth weightMedical nutrition therapyIntervention (counseling)Incidence (geometry)Health care

Résumé

récupéré en direct d'OpenAlex

Healthy pregnancies can be achieved through sufficient weight gain, balanced diets, appropriate vitamin and mineral supplementation, avoidance of alcohol and harmful substances, as well as food safety (Procter et al., 2014). While most prenatal care providers do not have substantial training in nutrition, we believe that registered dietitians being healthcare professionals, can assist pregnant patients in attaining optimal birth outcomes. In Canada and the US, registered dietitians are not required members of health care teams for prenatal care, but can be referred to for medical nutrition therapy to assist women with weight gain, hyperemesis, multiple gestations, poor dietary patterns, and chronic disease (Procter et al, 2014). Given their expertise in nutrition and the importance of nutrition during pregnancy, registered dietitians have the potential to positively influence birth outcomes. However, studies supporting their roles have not been comprehensively evaluated (Pari-Keener et al., 2020) and existing studies have been inconsistent. Some studies have supported that interventions provided by dietitians improve infant birth outcomes. Research by Vesco et al. suggests that intensive dietary intervention initiated by dietitians is associated with a decrease in prevalence of large-for-gestational age infants (9%) compared to groups receiving only one-time dietary advice (26%) (2014). Additionally, research by Crowther et al. shows a significantly low incidence of large-for-gestational age (13%) and macrosomia (10%) infants as a result of dietitian involvement compared to its control group (22% and 21%) (2005). However, other studies indicate no effect on infant or maternal outcomes (Koivusalo et al., 2016; Dodd, Deussen & Louise, 2019). So far, no systematic review has directly studied the effect of dietitian involvement on birth outcomes. Thus, this review will examine the extent to which dietitian involvement during pregnancy is associated with improved birth outcomes. References Crowther, C. A., Hiller, J. E., Moss, J. R., McPhee, A. J., Jeffries, W. S., Robinson, J. S., & Australian Carbohydrate Intolerance Study in Pregnant Women (ACHOIS) Trial Group (2005). Effect of treatment of gestational diabetes mellitus on pregnancy outcomes. The New England journal of medicine, 352(24), 2477–2486. https://doi.org/10.1056/NEJMoa042973 Dodd, J. M., Deussen, A. R., & Louise, J. (2019). A Randomised Trial to Optimise Gestational Weight Gain and Improve Maternal and Infant Health Outcomes through Antenatal Dietary, Lifestyle and Exercise Advice: The OPTIMISE Randomised Trial. Nutrients, 11(12), 2911. https://doi.org/10.3390/nu11122911 Koivusalo, S. B., Rönö, K., Klemetti, M. M., Roine, R. P., Lindström, J., Erkkola, M., Kaaja, R. J., Pöyhönen-Alho, M., Tiitinen, A., Huvinen, E., Andersson, S., Laivuori, H., Valkama, A., Meinilä, J., Kautiainen, H., Eriksson, J. G., & Stach-Lempinen, B. (2016). Gestational Diabetes Mellitus Can Be Prevented by Lifestyle Intervention: The Finnish Gestational Diabetes Prevention Study (RADIEL): A Randomized Controlled Trial. Diabetes care, 39(1), 24–30. https://doi.org/10.2337/dc15-0511 Pari-Keener, M., Gallo, S., Stahnke, B., McDermid, J. M., Al-Nimr, R. I., Moreschi, J. M., Hakeem, R., Handu, D., & Cheng, F. W. (2020). Maternal and Infant Health Outcomes Associated with Medical Nutrition Therapy by Registered Dietitian Nutritionists in Pregnant Women with Malnutrition: An Evidence Analysis Center Systematic Review. Journal of the Academy of Nutrition and Dietetics, 120(10), 1730–1744. https://doi.org/10.1016/j.jand.2019.10.024 Procter, S. B., & Campbell, C. G. (2014). Position of the Academy of Nutrition and Dietetics: nutrition and lifestyle for a healthy pregnancy outcome. Journal of the Academy of Nutrition and Dietetics, 114(7), 1099–1103. https://doi.org/10.1016/j.jand.2014.05.005 Vesco, K. K., Karanja, N., King, J. C., Gillman, M. W., Leo, M. C., Perrin, N., McEvoy, C. T., Eckhardt, C. L., Smith, K. S., & Stevens, V. J. (2014). Efficacy of a group-based dietary intervention for limiting gestational weight gain among obese women: a randomized trial. Obesity (Silver Spring, Md.), 22(9), 1989–1996. https://doi.org/10.1002/oby.20831

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,328
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetNumerical Methods and AlgorithmsTravaux en français237 207