Uso da metformina na prevenção da diabetes gestacional na grávida obesa não diabética: uma revisão baseada na evidência
Bibliographic record
Abstract
Objetivos: Esclarecer o papel da metformina na prevenção da diabetes gestacional (DG) na grávida obesa não diabética. Fontes de dados: Bases de dados The Cochrane Library, Canadian Medical Association Infobase, Database of Abstracts of Reviews of Effects, NICE Guidelines Finder, National Guideline Clearinghouse, BMJ Clinical Evidence, PubMed e Índex de Revistas Médicas Portuguesas. Métodos: Em junho de 2020 foram pesquisadas meta-análises, revisões sistemáticas, ensaios clínicos controlados e randomizados e diretrizes clínicas publicados entre maio de 2010 e maio de 2020, nas línguas portuguesa e inglesa. Foram utilizados os termos MeSH Pregnancy, Obesity, Metformin, Diabetes Gestational e os termos Descritores em Ciências da Saúde “Gravidez”, “Obesidade”, “Metformina”, “Diabetes gestacional”. Para atribuição dos níveis de evidência e de força de recomendação utilizou-se a escala Strength Of Recommendation Taxonomy (SORT), da American Family Physician. Resultados: Foram encontrados 152 artigos, dos quais três cumpriam os critérios de inclusão e foram selecionados. A revisão da Cochrane de 2018, baseada em três ensaios clínicos aleatorizados e randomizados (ECAC) com um total de 1.099 grávidas, não encontrou diferenças significativas na taxa de DG nos grupos metformina vs. placebo (nível de evidência 1). A meta-análise de Chatzakis et al. Que avaliou quatro ECAC, incluindo 624 mulheres, concluiu que a metformina não diminui o risco de desenvolver DG (nível de evidência 1). O ECAC selecionado, Sales et al. incluiu 164 grávidas (82 metformina vs 82 controlo) e concluiu que o uso de metformina não é eficaz na prevenção de DG (nível de evidência 2). Conclusão: Não há evidência disponível para recomendar o uso de metformina na prevenção da DG em mulheres grávidas obesas (força de recomendação A).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.024 | 0.085 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".