Consumo de cafeína: o que aconselhar na preconceção e gravidez?
Bibliographic record
Abstract
Objetivo: Rever a evidência sobre a associação entre consumo de cafeína em mulheres saudáveis - no período preconceção ou durante a gravidez - e o risco de abortamento espontâneo ou nado morto. Fontes de dados: Bases de dados MEDLINE, National Guideline Clearinghouse, Canadian Medical Association Practice Guidelines Infobase, Cochrane Library, Bandolier, DARE, Trip Datebase e Índex de Revistas Médicas Portuguesas. Métodos de revisão: Revisão baseada na evidência de artigos publicados nos últimos cinco anos (de 1 de agosto de 2010 a 31 de agosto de 2015), nas línguas inglesa, francesa, italiana, espanhola e portuguesa. Foram utilizados os termos MESH caffeine , spontaneous abortion e fetal death . Para avaliação do nível de evidência (NE) e força de recomendação foi utilizada a escala Strength of recommendation taxonomy, da American Family Physician. Resultados: Foram obtidos 84 artigos, dos quais quatro cumpriam os critérios de inclusão: três revisões sistemáticas com meta-análises (todas com NE 2) e um estudo coorte prospetivo (NE 1). Parece existir um aumento do risco de abortamento espontâneo ou nado morto com o consumo moderado a elevado de cafeína (superior a 100-150mg/dia) durante a gravidez. Não há evidência suficiente que demostre associação de risco no consumo durante a preconceção. Conclusões: O consumo moderado a elevado de cafeína durante a gravidez está associado ao aumento do risco de abortamento espontâneo e de nado morto (força de recomendação B), aconselhando-se um consumo nulo ou mínimo de cafeína (<100-150mg/dia) durante este período. Não há ainda evidência suficiente que demostre associação entre consumo durante a preconceção e a morte in utero. São necessários novos estudos que reforcem a evidência e definam as doses seguras de consumo de cafeína pela mulher nestes períodos.
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 | 0.012 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".