Outcomes in pregnant Ontarians with asthma and allergic diseases during COVID-19
Notice bibliographique
Résumé
<b>Background:</b> There is lack of clarity on whether pregnancies during COVID-19 resulted in poorer delivery and birth outcomes. <b>Aim:</b> Compare delivery and birth outcomes in pregnant Ontario women before and during COVID-19 (pandemic periods). <b>Methods:</b> Deliveries before (Jun 2018–Feb 2020) and during (Jul 2020–Mar 2022) COVID-19 were identified from health administrative data. We used logistic regressions to estimate odds ratios (OR) of delivery and birth outcomes and negative binomial regression for rate ratios (RR) of health services use (HSU). We compared those with prevalent chronic respiratory diseases (asthma, allergic rhinitis, or eczema) to those without these diseases. All regressions were adjusted for pandemic periods and other confounders. <b>Results:</b> 323,359 deliveries were included (50% during pandemic). 1 in 5 (18.3%) women who delivered during the pandemic had not received any COVID-19 vaccine. While overall HSU rates were lower during the pandemic compared to before, pregnant women with respiratory conditions had higher all-cause hospitalization (RR=1.15, 95%CI: 1.10-1.19) and ED visit rates (RR=1.18, 95%CI: 1.16-1.20). They also had significantly higher odds of anxiety (OR=1.49, 95%CI: 1.45-1.54), preterm deliveries (OR=1.09, 95%CI: 1.05-1.12), but lower odds of C-section (OR=0.96, 95%CI: 0.95-0.98). These observed differences were not explained by vaccination status nor pandemic periods. <b>Conclusions:</b> Women with prevalent respiratory conditions had higher odds of adverse delivery and birth outcomes and higher acute HSU rates. Ensuring ongoing prenatal care during the pandemic may reduce risks of adverse delivery outcomes and the need for acute care during pregnancy.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».