Knowledge-Hub Versorgungsforschungein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Versorgungsforschung › Studien

Nachbarschafts-Umgebung und Präeklampsie-Risiko: Machine-Learning-Analyse

Paris CF et al. · Pregnancy (Hoboken) · erschienen 29.09.2026 · in PubMed seit 01.10.2026 · PMID 42819622

Von KI ausgewählt und zusammengefasst

Worum es geht

Matched-Case-Control-Studie mit Machine Learning zur Bestimmung der relativen Bedeutung von Nachbarschaftsfaktoren (soziale Vulnerabilität, gebaute Umgebung) für Präeklampsie-Risiko in Philadelphia.

Ergebnis

18.754 Teilnehmer (4.689 Präeklampsie-Fälle, 14.065 Kontrollen). Drei Nachbarschafts-Gesundheits-Vulnerabilitätsfaktoren am wichtigsten: Prävalenz von Adipositas, hohem Blutdruck und kurzer Schlafdauer bei Erwachsenen. Assoziationen mit Nachbarschafts-Hypertonie-Prävalenz besonders relevant für Präeklampsie-Prävention.

Übertragbarkeit auf Deutschland

US-Daten aus Philadelphia, aber sozialstrukturelle Fragestellung und Risiko-Identifikation systemunabhängig relevant

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.