MétaCan
Menu
Retour à la cohorte
Enregistrement W4391034996 · doi:10.3390/vaccines12010102

Assessing the Impact of COVID-19 Vaccination on Preterm Birth: A Systematic Review with Meta-Analysis

2024· review· en· W4391034996 sur OpenAlexaboutno aff
Mihaela Uta, Marius Craina, Felicia Marc, Ileana Enătescu

Notice bibliographique

RevueVaccines · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisVaccinationSystematic reviewPublication biasPopulationPregnancyOdds ratioFunnel plotGestational diabetesPediatricsMEDLINEObstetricsGestationEnvironmental healthInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

During the coronavirus diseases 2019 (COVID-19) pandemic, the safety and efficacy of vaccination during pregnancy, particularly regarding the risk of preterm birth, have been a subject of concern. This systematic review aims to evaluate the impact of COVID-19 vaccination on preterm birth risk and to inform clinical practice and public health policies. Following PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines, a database search included PubMed, Embase, and Scopus, conducted up until October 2023. Inclusion criteria focused on studies that examined COVID-19 vaccination during pregnancy and its correlation with preterm birth, defined as a birth before 37 weeks of gestation. Six studies met these criteria, encompassing 35,612 patients. A quality assessment was performed using the Newcastle–Ottawa Scale and the Cochrane Collaboration’s tool, with the risk of bias evaluated via a funnel plot analysis and an Egger’s regression test. The studies demonstrated geographical diversity, mainly from Israel, Romania, and the United States, with a blend of prospective and retrospective designs. The patient cohort’s mean age was 31.2 years, with common comorbidities such as gestational diabetes and obesity affecting 9.85% of the total population. The vaccination types varied across the studies, with BNT162b2 being the most used. The results indicated a low heterogeneity among the included studies, evidenced by a Cochran’s Q statistic of 2.10 and an I2 statistic of 13%. The meta-analysis yielded a pooled odds ratio (OR) for a preterm birth risk post-vaccination of approximately 1.03 (95% CI: 0.82–1.30), suggesting no significant increase in preterm birth risk was associated with COVID-19 vaccination. Notable findings included a low preterm birth rate (as low as 0.6% and up to 6.1%) with minimal differences in neonatal outcomes, such as birth weight and APGAR (appearance, pulse, grimace, activity, and respiration) scores between vaccinated and unvaccinated groups. This study concludes that a COVID-19 vaccination during pregnancy does not significantly increase the risk of preterm birth. These findings are crucial for reassuring healthcare providers and pregnant women about the safety of COVID-19 vaccines and supporting their use in public health strategies during the pandemic.

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)0,017
score de la tête « metaresearch » (Gemma)0,049
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,049
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0220,049
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,219
Tête enseignante GPT0,507
Écart entre enseignants0,288 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207