A meta-analysis of global stillbirth rates during the COVID-19 pandemic.
Notice bibliographique
Résumé
Background The global effect of the COVID-19 pandemic has had an impact on pregnancy and outcomes. There has been recently some conflicting evidence on the stillbirths during the COVID-19 pandemic. This meta-analysis attempts to resolve this through a systematic approach. Objectives To analyse and determine the impact of COVID-19 on the stillbirth rate. Search strategy We searched PubMed, Embase, Cochrane library, ClinicalTrials.gov and Web of Science from inception to 05 March 2021 with no language restriction for this meta-analysis. Selection criteria Publications (a) with stillbirth data on pregnant women with COVID-19 (b) comparing stillbirth rates in pregnant women with and without COVID-19 and (c), comparing stillbirth rates before and during the pandemic. Data collection and Analysis The included studies were all observational studies, and we used the Newcastle Ottawa score for risk of bias. We performed the meta-analysis using Comprehensive meta-analysis software, version 3. Main results A total of 29 studies were included in the meta-analysis; from 17 of these, the SB rate was 7 per 1000 in pregnant women with COVID-19. This rate was much higher (34/1000) in low- and middle-income countries. The odds ratio of stillbirth in pregnant women with COVID-19 compared to those without was 1.89. However, there was no significant difference in population SB rates before and during the pandemic. Conclusions There is some evidence that the stillbirth rate has increased during the COVID-19 pandemic, but this is mainly in low- and middle-income countries. Inadequate access to healthcare during the pandemic could be a contributing factor.
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 | 0,022 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,082 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».