A Systematic Review of Treatment and Outcomes of Pregnant Women With COVID-19—A Call for Clinical Trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Data pertaining to COVID-19 in pregnancy are limited; to better inform clinicians, we collated data from COVID-19 cases during pregnancy and summarized clinical trials enrolling this population. METHODS: We performed a systematic literature review of PubMed/MEDLINE to identify cases of COVID-19 in pregnancy or the postpartum period and associated outcomes. We then evaluated the proportion of COVID-19 clinical trials (from ClinicalTrials.gov) excluding pregnant or breastfeeding persons (both through June 29, 2020). RESULTS: We identified 11 308 published cases of COVID-19 during pregnancy. Of those reporting disease severity, 21% (416/1999) were severe/critical. Maternal and neonatal survival were reassuring (98% [10 437/10 597] and 99% [1155/1163], respectively). Neonatal disease was rare, with only 41 possible cases of infection reported in the literature. Of 2351 ongoing COVID-19 therapeutic clinical trials, 1282 were enrolling persons of reproductive age and 65% (829/1282) excluded pregnant persons. Pregnancy was an exclusion criterion for 69% (75/109) of chloroquine/hydroxychloroquine, 80% (28/35) of lopinavir/ritonavir, and 48% (44/91) of convalescent plasma studies. We identified 48 actively recruiting or completed drug trials reporting inclusion of this population. CONCLUSIONS: There are limited published reports of COVID-19 in pregnancy despite more than 14 million cases worldwide. To date, clinical outcomes appear reassuring, but data related to important long-term outcomes are missing or not yet reported. The large number of clinical trials excluding pregnant persons, despite interventions with safety data in pregnancy, is concerning. In addition to observational cohort studies, pregnancy-specific adaptive clinical trials could be designed to identify safe and effective treatments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle