Association of Pregnancy With Coronavirus Cytokine Storm: Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background COVID-19 was first identified in Wuhan, China, in December 2019, spreading to the rest of the globe, becoming a pandemic. Some studies have shown an association between pregnancy status and severe COVID-19 with a cytokine storm, whereas others have shown contrasting results. Objective The aim of this study was to examine the relationship between pregnancy status and the clinical COVID-19 severity characterized by the cytokine storm through a systematic review and meta-analysis. Methods We searched the Google Scholar, PubMed, Scopus, Web of Science, and Embase databases to identify clinical studies suitable for inclusion in this meta-analysis. Studies reporting pregnancy status and comparing the COVID-19 severity cytokine storm outcome were included. COVID-19 severity characterized by a cytokine storm was described using parameters such as intensive care unit admission, invasive mechanical ventilation, mechanical ventilation, hospital admission, pro- and anti-inflammatory cytokine levels, consolidation on chest computed tomography scan, pulmonary infiltration, extreme fevers as characteristic of a cytokine storm, syndromic severity, higher neutrophil count indicative of a cytokine storm, and severe COVID-19 presentation. Results A total of 17 articles including data for 840,332 women with COVID-19 were included. This meta-analysis revealed a correlation between positive pregnancy status and severe COVID-19 with a cytokine storm (random-effects model odds ratio [OR] 2.47, 95% CI 1.63-3.73; P<.001), with a cumulative incidence of 6432 (14.1%) and 24,352 (3.1%) among pregnant and nonpregnant women with COVID-19, respectively. The fixed-effects model also showed a correlation between pregnancy status and severe COVID-19 with a cytokine storm (OR 7.41, 95% CI 7.02-7.83; P<.001). Considerable heterogeneity was found among all pooled studies (I²=98%, P<.001). Furthermore, the updated analysis showed substantially low heterogeneity (I²=29 %, P=.19), and the funnel plot revealed no publication bias. The subanalysis between single-center and multicenter studies demonstrated similar heterogeneity (I2=72% and 98%, respectively). Sensitivity analysis on each subgroup revealed that pregnancy was significantly related to severe COVID-19 with a cytokine storm from single-center studies (fixed-effects model OR 3.97, 95% CI 2.26-6.95; P<.001) with very low heterogeneity (I²=2%, P=.42). Conclusions Being pregnant is clearly associated with experiencing a severe course of COVID-19 characterized by a cytokine storm. The COVID-19 pandemic should serve as an impetus for further research on pregnant women diagnosed with COVID-19 to map out the salient risk factors associated with its severity. Trial Registration PROSPERO CRD42021242011; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=242011.
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 | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,037 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».