Estimation of sleep problems among pregnant women during COVID-19 pandemic: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To estimate the sleep problems among pregnant women during the COVID-19 pandemic. ELIGIBILITY CRITERIA: English, peer-reviewed, observational studies published between December 2019 and July 2021 which assessed and reported sleep problem prevalence using a valid and reliable measure were included. INFORMATION SOURCES: Scopus, Medline/PubMed Central, ProQuest, ISI Web of Knowledge and Embase. RISK OF BIAS ASSESSMENT TOOL: The Newcastle-Ottawa Scale checklist. SYNTHESIS OF RESULTS: Prevalence of sleep problems was synthesised using STATA software V.14 using a random effects model. To assess moderator analysis, meta-regression was carried out. Funnel plot and Egger's test were used to assess publication bias. Meta-trim was used to correct probable publication bias. The jackknife method was used for sensitivity analysis. INCLUDED STUDIES: A total of seven cross-sectional studies with 2808 participants from four countries were included. SYNTHESIS OF RESULTS: =0.19). Due to the probability of publication bias, the fill-and-trim method was used to correct the estimated pooled measure, which imputed four studies. The corrected results based on this method showed that pooled prevalence of sleep problems was 13% (95% CI 0% to 45%; p<0.001). Based on meta-regression, age was the only significant predictor of prevalence of sleep problems among pregnant women. LIMITATIONS OF EVIDENCE: All studies were cross-sectional absence of assessment of sleep problems prior to COVID-19, and the outcomes of the pregnancies among those with and without sleep problems in a consistent manner are among the limitation of the current review. INTERPRETATION: Pregnant women have experienced significant declines in sleep quality when faced with the COVID-19 pandemic. The short-term and long-term implications of such alterations in sleep on gestational and offspring outcomes are unclear and warrant further studies. PROSPERO REGISTRATION NUMBER: CRD42020181644.
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 | 0,021 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,043 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».