Optimizing Gestational Weight Gain in Twin Pregnancies
Notice bibliographique
Résumé
INTRODUCTION: Data on the optimal gestational weight gain (GWG) in twin pregnancies and the implications of inadequate GWG on pregnancy complications in this population are limited.OBJECTIVE: To evaluate the implications of inadequate GWG in twin pregnancies, identify the optimal range of GWG, and develop and implement a new care pathway aimed at optimizing GWG in this population. METHODS: We conducted the following separate (but strongly related) projects to address the objectives described above: (1) A systematic review and meta-analysis; (2) A retrospective cohort study; (3) A national survey among Canadian maternal-fetal-medicine specialists; (4) A new care pathway aimed at optimizing GWG in twins. RESULTS: (1) The meta-analysis revealed that over half (56.8%) of women with twins experience GWG outside of recommendations. Low-GWG was associated with preterm birth, while high-GWG was associated with preeclampsia. (2) Our retrospective study confirmed the findings of the meta-analysis in our local population. In addition, we identified new, outcome-based optimal GWG range in twins, which had better correlation with outcomes compared with current guidelines. (3) Through the survey we identified considerable inconsistencies and potential barriers for optimal GWG in twins; (4) We designed and implemented a new care pathway to optimize GWG in our Twins Clinic at Sunnybrook. CONCLUSIONS: GWG is an important and modifiable risk factor for preterm birth and other pregnancy complications in twin gestations, making its optimization an important goal of antenatal care in this population.
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 | 0,008 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».