Clinical evolution of COVID-19 during pregnancy at different altitudes: a population-based study
Notice bibliographique
Résumé
Abstract Background The impact of influenza and various types of coronaviruses (SARS-CoV and MERS-CoV) on pregnancy has been reported. However, the current pandemic caused by SARS-CoV-2 continues to reveal important data for understanding its behavior in pregnant women. Methods We analyzed the records of 326,586 non-pregnant women of reproductive age and 7,444 pregnant women with no other risk factor who also had a SARS-CoV-2 RT-PCR result to estimate adjusted prevalence (aP) and adjusted prevalence ratios (aPR) of COVID-19 and its requirement of hospitalization, intubation, ICU admission and case-fatality rates. Adjustment was done through Poisson regressions for age and altitude of residence and birth. Generalized binomial models were used to generate probability plots to display how each outcome varied across ages and altitudes. Results Pregnancy was independently associated with a 15% higher probability of COVID-19 (aPR: 1.15), a 116% higher probability of its following admission (aPR: 2.169) and a 127% higher probability of ICU admission (aPR: 2.275). Also, pregnancy was associated with 84.2% higher probability of developing pneumonia (aPR: 1.842) and a 163% higher probability of its following admission (aPR: 2.639). There were no significant differences in COVID-19 case-fatality rates between pregnant and non pregnant women (1.178, 95% CI: 0.68-1.67). Conclusion Pregnancy was associated with a higher probability of COVID-19, developing of pneumonia, hospitalization, and ICU admission. Our results also suggest that the risk of COVID-19 and its related outcomes, except for intubation, decrease with altitude.
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 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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».