MétaCan
Menu
Retour à la cohorte
Enregistrement W4396815017 · doi:10.1371/journal.pone.0303175

Mode of delivery and birth outcomes before and during COVID-19 –A population-based study in Ontario, Canada

2024· article· en· W4396815017 sur OpenAlexafffundabout
Teresa To, Jingqin Zhu, Emilie Terebessy, Cornelia M. Borkhoff, Andrea S. Gershon, Tetyana Kendzerska, Smita Pakhalé, Nicholas T. Vozoris, Kimball Zhang, Christopher Licskai

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensWestern UniversitySt. Michael's HospitalOttawa HospitalUniversity of OttawaHealth Sciences CentreSunnybrook Health Science CentreInstitute for Clinical Evaluative SciencesUniversity of TorontoSickKids FoundationHospital for Sick ChildrenPublic Health Ontario
Organismes subventionnairesMinistry of Health, Ontario
Mots-clésMedicinePandemicOdds ratioLogistic regressionOddsPopulationCoronavirus disease 2019 (COVID-19)PediatricsAsthmaDemographyObstetricsEnvironmental healthInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

There is lack of clarity on whether pregnancies during COVID-19 resulted in poorer mode of delivery and birth outcomes in Ontario, Canada. We aimed to compare mode of delivery (C-section), birth (low birthweight, preterm birth, NICU admission), and health services use (HSU, hospitalizations, ED visits, physician visits) outcomes in pregnant Ontario women before and during COVID-19 (pandemic periods). We further stratified for pre-existing chronic diseases (asthma, eczema, allergic rhinitis, diabetes, hypertension). Deliveries before (Jun 2018-Feb 2020) and during (Jul 2020-Mar 2022) pandemic were from health administrative data. We used multivariable logistic regression analyses to estimate adjusted odds ratios (aOR) of delivery and birth outcomes, and negative binomial regression for adjusted rate ratios (aRR) of HSU. We compared outcomes between pre-pandemic and pandemic periods. Possible interactions between study periods and covariates were also examined. 323,359 deliveries were included (50% during pandemic). One in 5 (18.3%) women who delivered during the pandemic had not received any COVID-19 vaccine, while one in 20 women (5.2%) lab-tested positive for COVID-19. The odds of C-section delivery during the pandemic was 9% higher (aOR = 1.09, 95% CI: 1.08-1.11) than pre-pandemic. The odds of preterm birth and NICU admission were 15% (aOR = 0.85, 95% CI: 0.82-0.87) and 10% lower (aOR = 0.90, 95% CI: 0.88-0.92), respectively, during COVID-19. There was a 17% reduction in ED visits but a 16% increase in physician visits during the pandemic (aRR = 0.83, 95% CI: 0.81-0.84 and aRR = 1.16, 95% CI: 1.16-1.17, respectively). These aORs and aRRs were significantly higher in women with pre-existing chronic conditions. During the pandemic, healthcare utilization, especially ED visits (aRR = 0.83), in pregnant women was lower compared to before. Ensuring ongoing prenatal care during the pandemic may reduce risks of adverse mode of delivery 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,292
Écart entre enseignants0,253 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207