MétaCan
Menu
Retour à la cohorte
Enregistrement W4293032596 · doi:10.1016/j.ajog.2022.08.038

Clinical risk factors of adverse outcomes among women with COVID-19 in the pregnancy and postpartum period: a sequential, prospective meta-analysis

2022· review· en· W4293032596 sur OpenAlexafffund
Emily R. Smith, Erin Oakley, Gargi Wable Grandner, Gordon Rukundo, Fouzia Farooq, Kacey Ferguson, Sasha G. Baumann, Kristina M. Adams Waldorf, Yalda Afshar, Mia Ahlberg, Homa K. Ahmadzia, Victor Akelo, Grace M. Aldrovandi, Elisa Bevilacqua, Nabal Bracero, Justin S. Brandt, Natalie Broutet, J. Carrillo, Jeanne A. Conry, Erich Cosmi, F. Crispi, F. Crovetto, Camille Delgado‐López, Hema Divakar, Amanda J. Driscoll, Guillaume Favre, Irene Fernández‐Buhigas, Valerie J. Flaherman, Chris Gale, Christine L. Godwin, Sami L. Gottlieb, E. Gratacós, Siran He, Olivia Allende Hernández, Stephanie Jones, Sheetal Joshi, Erkan Kalafat, Sammy Khagayi, Marian Knight, Karen L. Kotloff, Antonio L’Abbate, Valentina Laurita Longo, Kirsty Le Doaré, C. Lees, Ethan Litman, Erica M. Lokken, Shabir A. Madhi, Laura A. Magee, R.J. Martinez‐Portilla, Torri D. Metz, Emily S. Miller, Deborah Money, Sakita Moungmaithong, Edward Mullins, Jean B. Nachega, Marta C. Nunes, Dickens Onyango, Alice Panchaud, Liona C. Poon, Daniel J. Raiten, Lesley Regan, Daljit Singh Sahota, Allie Sakowicz, José Enrique Sanín-Blair, Olof Stephansson, Marleen Temmerman, Anna Thorson, Soe Soe Thwin, Beth A. Tippett Barr, Jorge E. Tolosa, Niyazi Tuğ, Miguel Valencia‐Prado, Silvia Visentin, Peter von Dadelszen, Clare Whitehead, Mollie E. Wood, Huixia Yang, Rebecca Zavala, James M. Tielsch

Notice bibliographique

RevueAmerican Journal of Obstetrics and Gynecology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Health and Medical Research CouncilHorizon 2020 Framework ProgrammeFerring PharmaceuticalsWorld Health OrganizationNational Institute of Allergy and Infectious DiseasesMedical Research CouncilPublic Health AgencyCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchPublic Health Agency of CanadaBundesamt für GesundheitBill and Melinda Gates Foundation
Mots-clésMedicinePregnancyProspective cohort studyObstetricsCoronavirus disease 2019 (COVID-19)Postpartum periodAdverse effectMeta-analysisDiseaseInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This sequential, prospective meta-analysis sought to identify risk factors among pregnant and postpartum women with COVID-19 for adverse outcomes related to disease severity, maternal morbidities, neonatal mortality and morbidity, and adverse birth outcomes. DATA SOURCES: We prospectively invited study investigators to join the sequential, prospective meta-analysis via professional research networks beginning in March 2020. STUDY ELIGIBILITY CRITERIA: Eligible studies included those recruiting at least 25 consecutive cases of COVID-19 in pregnancy within a defined catchment area. METHODS: We included individual patient data from 21 participating studies. Data quality was assessed, and harmonized variables for risk factors and outcomes were constructed. Duplicate cases were removed. Pooled estimates for the absolute and relative risk of adverse outcomes comparing those with and without each risk factor were generated using a 2-stage meta-analysis. RESULTS: We collected data from 33 countries and territories, including 21,977 cases of SARS-CoV-2 infection in pregnancy or postpartum. We found that women with comorbidities (preexisting diabetes mellitus, hypertension, cardiovascular disease) vs those without were at higher risk for COVID-19 severity and adverse pregnancy outcomes (fetal death, preterm birth, low birthweight). Participants with COVID-19 and HIV were 1.74 times (95% confidence interval, 1.12-2.71) more likely to be admitted to the intensive care unit. Pregnant women who were underweight before pregnancy were at higher risk of intensive care unit admission (relative risk, 5.53; 95% confidence interval, 2.27-13.44), ventilation (relative risk, 9.36; 95% confidence interval, 3.87-22.63), and pregnancy-related death (relative risk, 14.10; 95% confidence interval, 2.83-70.36). Prepregnancy obesity was also a risk factor for severe COVID-19 outcomes including intensive care unit admission (relative risk, 1.81; 95% confidence interval, 1.26-2.60), ventilation (relative risk, 2.05; 95% confidence interval, 1.20-3.51), any critical care (relative risk, 1.89; 95% confidence interval, 1.28-2.77), and pneumonia (relative risk, 1.66; 95% confidence interval, 1.18-2.33). Anemic pregnant women with COVID-19 also had increased risk of intensive care unit admission (relative risk, 1.63; 95% confidence interval, 1.25-2.11) and death (relative risk, 2.36; 95% confidence interval, 1.15-4.81). CONCLUSION: We found that pregnant women with comorbidities including diabetes mellitus, hypertension, and cardiovascular disease were at increased risk for severe COVID-19-related outcomes, maternal morbidities, and adverse birth outcomes. We also identified several less commonly known risk factors, including HIV infection, prepregnancy underweight, and anemia. Although pregnant women are already considered a high-risk population, special priority for prevention and treatment should be given to pregnant women with these additional risk factors.

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)0,016
score de la tête « metaresearch » (Gemma)0,025
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: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,025
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0100,057
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,113
Tête enseignante GPT0,410
Écart entre enseignants0,297 · 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

Citations134
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Obstetrics and GynecologyMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207