MétaCan
Menu
Retour à la cohorte
Enregistrement W3133745131 · doi:10.2196/26477

Pregnancy Outcomes and Child Development Effects of SARS-CoV-2 Infection (PROUDEST Trial): Protocol for a Multicenter, Prospective Cohort Study

2021· article· en· W3133745131 sur OpenAlexvenueno aff
Geraldo Magela Fernandes, Felipe Motta, Lizandra Moura Paravidine Sasaki, Ângelo Pereira Da Silva, Andreza Monforte Miranda, Aleida Oliveira de Carvalho, Ana Paula Monteiro Gomides, Alexandre Soares, Agenor De Castro Moreira Dos Santos, Caroline de Oliveira Alves, Ciro Martins Gomes, Clara Correia de Siracusa, David Araujo, Dayde Lane Mendonça da Silva, José Alfredo Lacerda de Jesus, Karina Nascimento Costa, Maria Eduarda Canellas de Castro, Patrícia Shu Kurizky, Paulo Sérgio França, Rosana Maria Tristão, Yácara Ribeiro Pereira, Luiz Cláudio Castro, Alberto Moreno Zaconeta, Cleandro Pires de Albuquerque, Lícia Maria Henrique da Mota

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPregnancyMedicineProspective cohort studyOffspringCohortCohort studyPediatricsChildbirthObstetricsInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A growing body of evidence suggests that SARS-COV-2 infection during pregnancy may affect maternal-fetal outcomes and possibly result in implications for the long-term development of SARS-CoV-2-exposed children. OBJECTIVE: The PROUDEST (Pregnancy Outcomes and Child Development Effects of SARS-CoV-2 Infection Study) is a multicenter, prospective cohort study designed to elucidate the repercussions of COVID-19 for the global health of mothers and their children. METHODS: The PROUDEST trial comprises 2 prospective, sequential substudies. The PREGNANT substudy will clinically assess the effects of SARS-CoV-2 infection on pregnancy, childbirth, and puerperium from a mechanistic standpoint to elucidate the pregnancy-related inflammatory and immunological phenomena underlying COVID-19. Pregnant women aged 18-40 years who have been exposed (proven with laboratory tests) to SARS-CoV-2 (group A; n=300) will be compared to control subjects with no laboratory evidence of in-pregnancy exposure to the virus (group B; n=300). Subjects exposed to other infections during pregnancy will be excluded. The BORN substudy is a long-term follow-up study that will assess the offspring of women who enrolled in the prior substudy. It will describe the effects of SARS-CoV-2 exposure during pregnancy on children's growth, neurodevelopment, and metabolism from birth up to 5 years of age. It includes two comparison groups; group A (exposed; n=300) comprises children born from SARS-CoV-2-exposed pregnancies, and group B (controls; n=300) comprises children born from nonexposed mothers. RESULTS: Recruitment began in July 2020, and as of January 2021, 260 pregnant women who were infected with SARS-CoV-2 during pregnancy and 160 newborns have been included in the study. Data analysis is scheduled to start after all data are collected. CONCLUSIONS: Upon completion of the study, we expect to have comprehensive data that will provide a better understanding of the effects of SARS-CoV-2 infection and related inflammatory and immunological processes on pregnancy, puerperium, and infancy. Our findings will inform clinical decisions regarding the care of SARS-CoV-2-exposed mothers and children and support the development of evidence-based public health policies. TRIAL REGISTRATION: Brazilian Register of Clinical Trials RBR65QXS2; https://ensaiosclinicos.gov.br/rg/RBR-65qxs2. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/26477.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,235
Tête enseignante GPT0,584
Écart entre enseignants0,349 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

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

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207