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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,677
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0100,007
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 tête enseignante, pas un consensus.

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