The international Perinatal Outcomes in the Pandemic (iPOP) study: protocol
Notice bibliographique
Résumé
Preterm birth is the leading cause of infant death worldwide, but the causes of preterm birth are largely unknown. During the early COVID-19 lockdowns, dramatic reductions in preterm birth were reported; however, these trends may be offset by increases in stillbirth rates. It is important to study these trends globally as the pandemic continues, and to understand the underlying cause(s). Lockdowns have dramatically impacted maternal workload, access to healthcare, hygiene practices, and air pollution - all of which could impact perinatal outcomes and might affect pregnant women differently in different regions of the world. In the international Perinatal Outcomes in the Pandemic (iPOP) Study, we will seize the unique opportunity offered by the COVID-19 pandemic to answer urgent questions about perinatal health. In the first two study phases, we will use population-based aggregate data and standardized outcome definitions to: 1) Determine rates of preterm birth, low birth weight, and stillbirth and describe changes during lockdowns; and assess if these changes are consistent globally, or differ by region and income setting, 2) Determine if the magnitude of changes in adverse perinatal outcomes during lockdown are modified by regional differences in COVID-19 infection rates, lockdown stringency, adherence to lockdown measures, air quality, or other social and economic markers, obtained from publicly available datasets. We will undertake an interrupted time series analysis covering births from January 2015 through July 2020. The iPOP Study will involve at least 121 researchers in 37 countries, including obstetricians, neonatologists, epidemiologists, public health researchers, environmental scientists, and policymakers. We will leverage the most disruptive and widespread "natural experiment" of our lifetime to make rapid discoveries about preterm birth. Whether the COVID-19 pandemic is worsening or unexpectedly improving perinatal outcomes, our research will provide critical new information to shape prenatal care strategies throughout (and well beyond) the pandemic.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,044 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,107 | 0,030 |
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 source (Gemma direct ou Codex distillé), 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 ».