Gestational Weight Gain and Maternal Under and Over-nutrition in India: A Systematic Review and Meta-Analysis Protocol
Notice bibliographique
Résumé
Background: Maternal undernutrition and inadequate gestational weight gain (GWG) remain significant public health concerns in India, contributing to adverse maternal and neonatal outcomes. Despite the critical importance of appropriate GWG for healthy pregnancy outcomes, comprehensive synthesized evidence specific to Indian populations is limited. Objectives: This systematic review and meta-analysis protocol aims to: (1) estimate the pooled mean gestational weight gain among pregnant women in India; (2) determine the prevalence of maternal undernutrition (BMI <18.5 kg/m²); and (3) quantify proportions of pregnant women achieving inadequate, adequate, or excessive GWG within BMI categories based on Institute of Medicine (IOM) Methods: We will systematically search PubMed, Embase, Scopus, Web of Science, and IndMED for observational studies published from 2000 onwards. Two independent reviewers will screen titles, abstracts, and full texts, extract data using standardized forms, and assess study quality using the Joanna Briggs Institute (JBI) Critical Appraisal Checklist and Newcastle-Ottawa Scale (NOS). Random-effects meta-analyses will be conducted to pool mean GWG, prevalence of undernutrition, and GWG adequacy proportions. Heterogeneity will be assessed using I² statistics, and subgroup analyses will explore variations by geographic region, urban/rural setting, study quality, and publication year. Publication bias will be evaluated using funnel plots and Egger’s test. The certainty of evidence will be assessed using the GRADE framework. Discussion: This review will provide robust, pooled estimates of GWG patterns and maternal undernutrition prevalence in India, informing evidence-based maternal nutrition interventions and policy development. The findings will highlight gaps in current knowledge and identify priority areas for future research. Systematic Review Registration: OSF. Keywords: gestational weight gain, maternal undernutrition, body mass index, pregnancy, India, systematic review, meta-analysis, protocol
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 | 0,072 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,018 | 0,022 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,006 |
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 ».