MétaCan
Menu
Retour à la cohorte
Enregistrement W4393986258 · doi:10.1136/bmjgh-2023-014247

Effectiveness and safety of COVID-19 vaccines on maternal and perinatal outcomes: a systematic review and meta-analysis

2024· review· en· W4393986258 sur OpenAlexfundno aff
Silvia Fernández-García, Laura del Campo-Albendea, Dharshini Sambamoorthi, Jameela Sheikh, Karen Lau, Nana Osei-Lah, Anoushka Ramkumar, Harshitha Naidu, Nicole Stoney, Paul Sundaram, Paulomi Sengupta, Samay Mehta, Shruti Attarde, Sophie Maddock, Millie Manning, Zainita Meherally, Kehkashan Ansari, Heidi Lawson, Magnus Yap, Tania Kew, Andriya Punnoose, Chloe Knight, Eyna Sadeqa, Jiya Cherian, Sangamithra Ravi, Wentin Chen, Kate F. Walker, Keelin O’Donoghue, Madelon van Wely, Elisabeth van Leeuwen, Elena Kostova, Heinke Kunst, Asma Khalil, Vanessa Brizuela, Edna Kara, Caron Rahn Kim, Anna Thorson, Olufemi T. Oladapo, Lynne Mofenson, Sami L. Gottlieb, Mercedes Bonet, Ngawai Moss, Javier Zamora, John Allotey, Shakila Thangaratinam

Notice bibliographique

RevueBMJ Global Health · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesBirmingham Biomedical Research CentreDepartment of Health and Social CareNational Institute for Health and Care ResearchAdvanced Research Projects AgencyGovernment of CanadaBundesministerium für GesundheitBarts CharityUNICEFWorld Health Organization
Mots-clésMedicineReactogenicityPregnancyMeta-analysisOdds ratioCaesarean sectionCohort studyObstetricsInternal medicineImmunologyImmunization

Résumé

récupéré en direct d'OpenAlex

Objective To assess the effects of COVID-19 vaccines in women before or during pregnancy on SARS-CoV-2 infection-related, pregnancy, offspring and reactogenicity outcomes. Design Systematic review and meta-analysis. Data sources Major databases between December 2019 and January 2023. Study selection Nine pairs of reviewers contributed to study selection. We included test-negative designs, comparative cohorts and randomised trials on effects of COVID-19 vaccines on infection-related and pregnancy outcomes. Non-comparative cohort studies reporting reactogenicity outcomes were also included. Quality assessment, data extraction and analysis Two reviewers independently assessed study quality and extracted data. We undertook random-effects meta-analysis and reported findings as HRs, risk ratios (RRs), ORs or rates with 95% CIs. Results Sixty-seven studies (1 813 947 women) were included. Overall, in test-negative design studies, pregnant women fully vaccinated with any COVID-19 vaccine had 61% reduced odds of SARS-CoV-2 infection during pregnancy (OR 0.39, 95% CI 0.21 to 0.75; 4 studies, 23 927 women; I 2 =87.2%) and 94% reduced odds of hospital admission (OR 0.06, 95% CI 0.01 to 0.71; 2 studies, 868 women; I 2 =92%). In adjusted cohort studies, the risk of hypertensive disorders in pregnancy was reduced by 12% (RR 0.88, 95% CI 0.82 to 0.92; 2 studies; 115 085 women), while caesarean section was reduced by 9% (OR 0.91, 95% CI 0.85 to 0.98; 6 studies; 30 192 women). We observed an 8% reduction in the risk of neonatal intensive care unit admission (RR 0.92, 95% CI 0.87 to 0.97; 2 studies; 54 569 women) in babies born to vaccinated versus not vaccinated women. In general, vaccination during pregnancy was not associated with increased risk of adverse pregnancy or perinatal outcomes. Pain at the injection site was the most common side effect reported (77%, 95% CI 52% to 94%; 11 studies; 27 195 women). Conclusion COVID-19 vaccines are effective in preventing SARS-CoV-2 infection and related complications in pregnant women. PROSPERO registration number CRD42020178076.

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)0,044
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 enseignants0,023
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,044
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0230,037
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,113
Tête enseignante GPT0,521
Écart entre enseignants0,408 · 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

Citations36
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207