COVID-19 Lockdown Increased the Risk of Preterm Birth
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: To estimate whether the city-specific lockdown in Shanghai induced by the COVID-19 pandemic affected preterm birth rates among uninfected pregnant women in different trimesters. Methods: The population-based retrospective cohort study was conducted in the International Peace Maternity and Child Health Hospital (IPMCH) in Shanghai, China. Pregnant women without COVID-19 received perinatal healthcare during lockdown (from January 24, 2020 to March 24, 2020) and non-lockdown (from January 24, 2019 to March 24, 2019) period and giving birth to a live infant at IPMCH were enrolled. 1:1 propensity score matching and Inverse probability of treatment weighting were used to evaluate preterm birth (<37 weeks), very preterm birth (<34 weeks), preterm birth with premature rupture of membranes (PROM-PTB), spontaneous preterm birth with intact membranes (S-PTB), and medically induced preterm birth (MI-PTB) between two groups. Results: 8,270 pregnant women were in the lockdown group, and 9,815 were in the non-lockdown group. Pregnant women in second trimester during lockdown had a higher risk of PTB than those during the non-lockdown period [OR: 1.43 (CI 1.01–2.02), ARD: 1.7% (CI 0.04–3.4%), p = 0.045]. Furthermore, pregnant women in third trimester during lockdown had a higher risk of PROM-PTB than those during the non-lockdown period [OR: 1.64 (CI 1.09–2.47), ARD: 0.9% (CI 0.2–1.6%), p = 0.02]; no group differences were found related to rates of VPTB, S-PTB or MI-PTB. Conclusion: In this cohort study in China, we found that there was an increased risk in preterm birth for non-infected women in COVID-19 lockdown who were in their second trimester.
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.
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 | 0,002 | 0,021 |
| 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 | 0,001 |
| 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) | 0,001 | 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 découle