PS-C30-12: IMPACT OF SARS-COV-2 INFECTION TO RISK AND SEVERITY OF HYPERTENSION IN PREGNANCY AND ITS OUTCOME TO THE NEW BORN
Notice bibliographique
Résumé
Objective: To determine relationship of SARS-CoV-2 infection to the risk and severity of preeclampsia, as well as its impact on newborns. Design and method: We performed a systematic search in databases (PubMed, ScienceDirect, ProQuest, and Cochrane Library) for studies examining impact of SARS-CoV-2 infection on pregnancy. Included studies were evaluated for risk of bias based on the Newcastle Ottawa Score. A meta-analysis was conducted using the data extracted from each study. Review Manager (RevMan) 5.4 was utilized to compute the summary of odds ratios (OR), mean differences (MD), and 95% confidence intervals (CI) for the outcomes. Our outcomes of interest are preeclampsia, preeclampsia with severe features, eclampsia, fetal distress and still birth. The other outcomes are preterm birth (< 37 week), instrumental labor, sectio caesaria and birth defect. Results: We identified twenty two observational studies involving 1,025,048 pregnancy patients. Based on the analysis, SARS-CoV-2 infection in pregnancy significantly increased the risk of preeclampsia [OR 2.01(95% CI 1.59–2.53; p < 0.00001; I2 = 82%)], and the severity was based on the high prevalence of preeclampsia with severe features [OR 3.04(95% CI 1.19–7.78; p = 0.02; I2 = 91%)] and eclampsia [OR 17.73(95% CI 13.83–22.72;p < 0.00001; I2 = 0%)]. Poor outcome in newborns in terms of incidence of preterm birth [OR 1.65(95% CI 1.54–1.76; p < 0.00001; I2 = 86%)], fetal distress [OR 19.18(95% CI 17.14–21.45; p < 0.00001; I2 = 99%)] and still birth [OR 2.12(95% CI 1.74–2.59; p < 0.00001; I2 = 0%)], were also significantly associated with SARS-CoV-2 infection. Conclusions: SARS-CoV-2 infection during pregnancy increases the risk and severity of preeclampsia and gives a poor outcome in newborn.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».