Risk of preterm birth in maternal influenza or SARS-CoV-2 infection: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Influenza is a major threat to global health and is an important cause of respiratory diseases. However, there was a controversy on the impacts of influenza infection on adverse pregnancy outcomes and the infant's health. This meta-analysis aimed to investigate the impact of maternal influenza infection on preterm birth. Methods: Five databases, including PubMed, Embase, Cochrane Library, Web of Science, and China National Knowledge Infrastructure (CNKI) were searched for eligible studies on December 29, 2022. The Newcastle-Ottawa Scale (NOS) was used to assess the included quality of the included studies. As for the incidence of preterm birth, odds ratios (OR) and 95% confidence intervals (CIs) were pooled, and the results of the current meta-analysis were displayed in forest plots. Subgroup analyses based on similarity in different aspects were conducted for further analysis. A funnel plot was used to assess the publication bias. All of the above data analyses were performed using STATA SE 16.0 software. Results: =0.00%, P<0.1) in pregnancy were at an increased risk of preterm birth, while those infected with influenza A alone or seasonal influenza were not (P>0.1). Conclusions: Women should take active steps to avoid influenza infection during pregnancy, especially influenza A and B and SARS-CoV-2, to reduce the possibility of preterm birth.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| 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 ».