MétaCan
Menu
Retour à la cohorte
Enregistrement W3093479909 · doi:10.3389/fgwh.2020.572158

COVID-19 and Women's Health: A Low- and Middle-Income Country Perspective

2020· review· en· W3093479909 sur OpenAlexafffund
Shahirose Premji, Kiran Shaikh, Sharifa Lalani, Ilona S. Yim, Sarah R. Moore, Naureen Akber Ali, Saher Aijaz, Nicole Letourneau

Notice bibliographique

RevueFrontiers in Global Women s Health · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensUniversity of CalgaryUniversity of British ColumbiaYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPandemicContext (archaeology)Mental healthDeveloping countryDevelopment economicsGlobal healthDiseaseOutbreakEconomic growthAffect (linguistics)Coronavirus disease 2019 (COVID-19)SocioeconomicsDemographic economicsHealth careEnvironmental healthGeographyPsychologyMedicineEconomicsInfectious disease (medical specialty)Psychiatry

Résumé

récupéré en direct d'OpenAlex

Corona Virus Disease (COVID-19), a contagious disease, is a global pandemic affecting the lives and health of individuals across borders, genders and races. Much of what is known about the effects of natural disasters and disease outbreaks on women's health in particular, is based on studies conducted in high-income countries. The evolving evidence suggests that COVID-19 has a profound negative impact on the perinatal mental health of women. It is also clear that global pandemics such as COVID-19 disproportionately affect the less affluent, including individuals living in low- and middle-income countries. The purpose of this review is to summarize and critically discuss extant knowledge on COVID-19 as it relates to the perinatal health of women in low and middle-income countries, using Pakistan as a case example. We specifically highlight the effects on perinatal mental health, preterm birth, and timing of the COVID-19 exposure. Our review suggests that it is essential to consider the effects of COVID-19 within this cultural context and that findings from high-income countries do not necessarily translate to the situation in low and middle-income countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,363
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Global Women s HealthMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207