Maternal-Newborn Health System Changes and Outcomes in Ontario, Canada, During Wave 1 of the COVID-19 Pandemic—A Retrospective Study
Notice bibliographique
Résumé
OBJECTIVE: To determine the population-level impact of COVID-19 pandemic-related obstetric practice changes on maternal and newborn outcomes. METHODS: Segmented regression analysis examined changes that occurred 240 weeks pre-pandemic through the first 32 weeks of the pandemic using data from Ontario's Better Outcomes Registry & Network. Outcomes included birth location, length of stay, labour analgesia, mode of delivery, preterm birth, and stillbirth. Immediate and gradual effects were modelled with terms representing changes in intercepts and slopes, corresponding to the start of the pandemic. RESULTS: There were 799 893 eligible pregnant individuals included in the analysis; 705 767 delivered in the pre-pandemic period and 94 126 during the pandemic wave 1 period. Significant immediate decreases were observed for hospital births (relative risk [RR] 0.99; 95% CI 0.98-0.99), length of stay (median change -3.29 h; 95% CI -3.81 to -2.77), use of nitrous oxide (RR 0.11; 95% CI 0.09-0.13) and general anesthesia (RR 0.69; 95% CI 0.58- 0.81), and trial of labour after cesarean (RR 0.89; 95% CI 0.83-0.96). Conversely, there were significant immediate increases in home births (RR 1.35; 95% CI 1.21-1.51), and use of epidural (RR 1.02; 95% CI 1.01-1.04) and regional anesthesia (RR 1.01; 95% CI 1.01-1.02). There were no significant immediate changes for any other outcomes, including preterm birth (RR 0.99; 95% CI 0.93-1.05) and stillbirth (RR 1.11; 95% CI 0.87-1.42). CONCLUSION: Provincial health system changes implemented at the start of the pandemic resulted in immediate clinical practice changes but not insignificant increases in adverse outcomes.
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 | 0,001 | 0,005 |
| 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 | 0,000 |
| 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 ».