Knowledge, attitude and practice towards COVID-19 among pregnant women in Africa: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background Pregnant women and recent mothers face a higher risk of severe illness from Coronavirus disease 2019 due to physiological and immunological shifts during pregnancy, rendering them more vulnerable to inflammatory lung conditions. This susceptibility poses serious threats to both maternal and newborn health. Therefore, it is imperative for pregnant women to be fully informed about Coronavirus disease 2019 and to implement preventive measures. This study aimed to evaluate the collective knowledge, attitudes, and practices related to Coronavirus disease 2019 among pregnant women across Africa. Methods The researchers collected studies from multiple databases, including Pub Med/MEDLINE, EMBASE, CINAHL, Science Direct, Scopus, Web of Science, Cochran library, and Google Scholar. A combination of search terms and Boolean operators were utilized to gather relevant literature. Each study underwent quality assessment by five authors independently, using the modified Newcastle Ottawa Scale tailored for cross-sectional research. Statistical analysis was conducted using STATA™ Version 11 software, and meta-analysis was performed using the random-effects (Der Simonian and Laird) method. Heterogeneity was evaluated using I-squared (I 2 ) statistics, and a one-out sensitivity analysis was carried out. Results This systematic review and meta-analysis included 19 articles, involving a total of 7852 participants. It revealed that the combined estimated prevalence of good knowledge about Coronavirus disease 2019, positive attitudes, and good practices among pregnant women was found to be 61.8% (95% CI: 53.0%-70.65%; I 2 = 98.7%), 51.7% (95% CI: 30.34%-73.6%; I 2 = 99.3%), and 52.31% (95% CI: 41.48%-63.15%; I 2 = 98.8%) respectively. Conclusion This study emphasizes a significant concern: pregnant women exhibit a notable lack of knowledge, positive attitudes, and preventive practices regarding Coronavirus disease 2019. Considering their heightened vulnerability, urgent action is required to improve their understanding, attitudes, and behaviours related to the virus. Healthcare professionals should take proactive measures to educate pregnant women, addressing this crucial gap through various strategies..
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».