Effect of SARS-CoV-2 Infection in Pregnancy on Maternal and Neonatal Outcomes in Africa: An AFREhealth Call for Evidence through Multicountry Research Collaboration
Notice bibliographique
Résumé
In the African context, there is a paucity of data on SARS-CoV-2 infection and associated COVID-19 in pregnancy. Given the endemicity of infections such as malaria, HIV, and tuberculosis (TB) in sub-Saharan Africa (SSA), it is important to evaluate coinfections with SARS-CoV-2 and their impact on maternal/infant outcomes. Robust research is critically needed to evaluate the effects of the added burden of COVID-19 in pregnancy, to help develop evidence-based policies toward improving maternal and infant outcomes. In this perspective, we briefly review current knowledge on the clinical features of COVID-19 in pregnancy; the risks of preterm birth and cesarean delivery secondary to comorbid severity; the effects of maternal SARS-CoV-2 infection on the fetus/neonate; and in utero mother-to-child SARS-CoV-2 transmission. We further highlight the need to conduct multicountry surveillance as well as retrospective and prospective cohort studies across SSA. This will enable assessments of SARS-CoV-2 burden among pregnant African women and improve the understanding of the spectrum of COVID-19 manifestations in this population, which may be living with or without HIV, TB, and/or other coinfections/comorbidities. In addition, multicountry studies will allow a better understanding of risk factors and outcomes to be compared across countries and subregions. Such an approach will encourage and strengthen much-needed intra-African, south-to-south multidisciplinary and interprofessional research collaborations. The African Forum for Research and Education in Health's COVID-19 Research Working Group has embarked upon such a collaboration across Western, Central, Eastern and Southern Africa.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».