Chloroquine and Hydroxychloroquine Use During Pregnancy and the Risk of Adverse Pregnancy Outcomes Using Real-World Evidence
Notice bibliographique
Résumé
Introduction: Chloroquine (CQ) and hydroxychloroquine (HCQ) are currently used for the prevention/treatment of malaria, and treatment of systemic lupus erythematosus (SLE), and rheumatoid arthritis (RA). Although present data do not show their efficacy to treat COVID-19, they have been used as potential treatments for COVID-19. Given that pregnant women are excluded from randomized controlled trials, and present evidence are inconsistent and inconclusive, we aimed to investigate the safety of CQ or HCQ use in a large pregnancy cohort using real-world evidence. Methods: Using Quebec Pregnancy Cohort, we identified women who delivered a singleton liveborn, 1998–2015, ( n = 233,748). The exposure time window for analyses on prematurity and low birth weight (LBW) was the second/third trimesters; was any time during pregnancy; only first trimester exposure was considered for analyses on major congenital malformations (MCM). The risk of prematurity, LBW, and MCM (overall and organ-specific) were quantified using generalized estimation equations. Results: We identified 288 pregnancies (0.12%) exposed to CQ (183, 63.5%) or HCQ (105, 36.5%) that resulted in liveborn singletons; CQ/HCQ was used for RA (17.4%), SLE (16.3%) or malaria (0.7%). CQ/HCQ was used for 71.8 days on average [standard-deviation (SD) 70.5], at a dose of 204.3 mg/d (SD, 155.6). We did not observe any increased risk related to CQ/HCQ exposure for prematurity (adjusted odds ratio [aOR] 1.39, 95%CI 0.84–2.30), LBW (aOR 1.11, 95%CI 0.59–2.06), or MCM (aOR 1.01, 95%CI 0.67–1.52). Conclusion: in this large CQ/HCQ exposed pregnancy cohort, we saw no clear increased risk of prematurity, LBW, or MCM, although number of exposed cases remained low.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».