MétaCan
Menu
Retour à la cohorte
Enregistrement W4286493891 · doi:10.1186/s12884-022-04884-9

Maternal and neonatal safety outcomes after SAR-CoV-2 vaccination during pregnancy: a systematic review and meta-analysis

2022· review· en· W4286493891 sur OpenAlexaboutno aff
Abdulrahman Ibrahim Hagrass, Hossam Waleed Almadhoon, Mohammed Al‐kafarna, Bashar Khaled Almaghary, Anas Zakarya Nourelden, Ahmed Hashem Fathallah, Mohammed Tarek Hasan, Yasmine Adel Mohammed, Dalia Sami Wafi, Islam Osama Ismail, Yaser Hamam, Reem Sayad, Mohamed Mahmoud Hamouda, Mohamed Sayed Zaazouee, Khaled Mohamed Ragab

Notice bibliographique

RevueBMC Pregnancy and Childbirth · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesAl-Azhar UniversityScience and Technology Development Fund
Mots-clésMedicineMiscarriageMeta-analysisCochrane LibraryPregnancyObstetricsPopulationReproductive medicineRelative riskRandomized controlled trialCohort studyPediatricsConfidence intervalInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVE: More than five million individuals died because of problems connected to COVID-19. SARS-Cov-2 poses a particular challenge to expectant mothers, who comprise one of the most vulnerable segments of the population. Our aim is to demonstrate the maternal and neonatal safety of the COVID-19 vaccine during pregnancy. METHODS: We searched PubMed, Cochrane Library, Scopus, Web of Science (WOS), Embase, Ovid, MedRxiv, and BioRxiv databases from inception till December 2021 and then updated it in April 2022. Additionally, we searched ClinicalTrials.gov, Research Square and grey literature. Cohort, case-control studies, and randomized controlled trials detecting the safety of the Covid-19 vaccine during pregnancy were included. We used the Cochrane tool and Newcastle-Ottawa Scale to assess the risk of bias of the included studies and the GRADE scale to assess the quality of evidence. A meta-analysis was conducted using review manager 5.4. RESULTS: We included 13 studies with a total number of 56,428 patients. Our analysis showed no statistically significant difference in the following outcomes: miscarriage (1.56% vs 0.3%. RR 1.23; 95%CI 0.54 to 2.78); length of maternal hospitalization (MD 0.00; 95%CI -0.08 to 0.08); puerperal fever (1.71% vs 1.1%. RR 1.04; 95%CI 0.67 to 1.61); postpartum hemorrhage (4.27% vs 3.52%. RR 0.84; 95%CI 0.65 to 1.09); instrumental or vacuum-assisted delivery (4.16% vs 4.54%. RR 0.94; 95%CI 0.57 to 1.56); incidence of Apgar score ≤ 7 at 5 min (1.47% vs 1.48%. RR 0.86; 95%CI 0.54 to 1.37); and birthweight (MD -7.14; 95%CI -34.26 to 19.99). CONCLUSION: In pregnancy, the current meta-analysis shows no effect of SAR-CoV-2 vaccination on the risk of miscarriage, length of stay in the hospital, puerperal fever, postpartum hemorrhage, birth weight, or the incidence of an Apgar score of ≤ 7 at 5 min.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,037
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,038
Bibliométrie0,0070,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,341
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Pregnancy and ChildbirthMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207