Participant characteristics in the prevention of gestational diabetes as evidence for precision medicine: a systematic review and meta-analysis
Notice bibliographique
Résumé
Precision prevention involves using the unique characteristics of a particular group to determine their responses to preventive interventions. This study aimed to systematically evaluate the participant characteristics associated with responses to interventions in gestational diabetes mellitus (GDM) prevention.We searched MEDLINE, EMBASE, and Pubmed to identify lifestyle (diet, physical activity, or both), metformin, myoinositol/inositol and probiotics interventions of GDM prevention published up to May 24, 2022.From 10347 studies, 116 studies (n = 40940 women) are included. Physical activity results in greater GDM reduction in participants with a normal body mass index (BMI) at baseline compared to obese BMI (risk ratio, 95% confidence interval: 0.06 [0.03, 0.14] vs 0.68 [0.26, 1.60]). Combined diet and physical activity interventions result in greater GDM reduction in participants without polycystic ovary syndrome (PCOS) than those with PCOS (0.62 [0.47, 0.82] vs 1.12 [0.78-1.61]) and in those without a history of GDM than those with unspecified GDM history (0.62 [0.47, 0.81] vs 0.85 [0.76, 0.95]). Metformin interventions are more effective in participants with PCOS than those with unspecified status (0.38 [0.19, 0.74] vs 0.59 [0.25, 1.43]), or when commenced preconception than during pregnancy (0.21 [0.11, 0.40] vs 1.15 [0.86-1.55]). Parity, history of having a large-for-gestational-age infant or family history of diabetes have no effect on intervention responses.GDM prevention through metformin or lifestyle differs according to some individual characteristics. Future research should include trials commencing preconception and provide results disaggregated by a priori defined participant characteristics including social and environmental factors, clinical traits, and other novel risk factors to predict GDM prevention through interventions.An individual's characteristics, such as medical, biochemical, social, and behavioural may affect their response to interventions aimed at preventing gestational diabetes, which occurs during pregnancy. Here, we evaluated the published literature on interventions such as diet, lifestyle, drug treatment and nutritional supplement and looked at which individual participant characteristics were associated with response to these interventions. Certain participant characteristics were associated with greater prevention of gestational diabetes through particular treatments. Some interventions were more effective when started prior to conception. Future studies should consider individual characteristics when assessing the effects of preventative measures.
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 | 0,025 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,044 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».