Clinical Outcomes of COVID-19 Infection in Pregnant and Nonpregnant Women: Results from The Philippine CORONA Study
Notice bibliographique
Résumé
OBJECTIVE: Our study determined the association of pregnancy with various clinical outcomes among women with COVID-19 infection. METHODS: We conducted a retrospective, cohort, subgroup analysis of the Philippine CORONA Study datasets comparing the clinical/neurological manifestations and outcomes of pregnant and nonpregnant women admitted in 37 Philippine hospitals for COVID-19 infection. RESULTS: We included 2448 women in the analyses (322 pregnant and 2.126 nonpregnant). Logistic regression models showed that crude odds ratio (OR) for mortality (OR 0.26 [95% CI 0.11, 0.66]), respiratory failure [OR 0.37 [95% CI 0.17, 0.80]), need for intensive care (OR 0.39 [95% CI 0.19, 0.80]), and prolonged length of hospital stay (OR 1.73 [95% CI 1.36, 2.19]) among pregnant women were significant. After adjusting for age, disease severity, and new-onset neurological symptoms, only the length of hospital stay remained significant (adjusted OR 1.99 [95% CI 1.56,2.54]). Cox regression models revealed that the unadjusted hazard ratio (HR) for mortality (HR 0.22 [95% CI 0.09, 0.55]) among pregnant women was statistically significant; however, after adjustment, the HR for mortality became nonsignificant. CONCLUSION: We did not find a significantly increased risk of mortality, respiratory failure, and need for ICU admission in pregnant women compared with nonpregnant women with COVID-19. However, the likelihood of hospital confinement beyond 14 days was twice more likely among pregnant women than nonpregnant women with COVID-19.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».