Maternal and perinatal health research during emerging and ongoing epidemic threats: a landscape analysis and expert consultation
Notice bibliographique
Résumé
INTRODUCTION: Pregnant women and their offspring are often at increased direct and indirect risks of adverse outcomes during epidemics and pandemics. A coordinated research response is paramount to ensure that this group is offered at least the same level of disease prevention, diagnosis, and care as the general population. We conducted a landscape analysis and held expert consultations to identify research efforts relevant to pregnant women affected by disease outbreaks, highlight gaps and challenges, and propose solutions to addressing them in a coordinated manner. METHODS: Literature searches were conducted from 1 January 2015 to 22 March 2022 using Web of Science, Google Scholar and PubMed augmented by key informant interviews. Findings were reviewed and Quid analysis was performed to identify clusters and connectors across research networks followed by two expert consultations. These formed the basis for the development of an operational framework for maternal and perinatal research during epidemics. RESULTS: Ninety-four relevant research efforts were identified. Although well suited to generating epidemiological data, the entire infrastructure to support a robust research response remains insufficient, particularly for use of medical products in pregnancy. Limitations in global governance, coordination, funding and data-gathering systems have slowed down research responses. CONCLUSION: Leveraging current research efforts while engaging multinational and regional networks may be the most effective way to scale up maternal and perinatal research preparedness and response. The findings of this landscape analysis and proposed operational framework will pave the way for developing a roadmap to guide coordination efforts, facilitate collaboration and ultimately promote rapid access to countermeasures and clinical care for pregnant women and their offspring in future epidemics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,092 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,019 | 0,019 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».