Medications used among Non-Hospitalized Pregnant Women with COVID-19: a Prospective Individual Patient Data Meta-analysis in Europe and North America
Notice bibliographique
Résumé
ABSTRACT Aim To estimate the prevalence of medication use in non-hospitalized pregnant women with COVID-19 Methods A prospective two-stage individual patient meta-analysis across 10 data sources in Europe and North America studied medication use among non-hospitalized pregnant women with COVID-19 between January 2020 to December 2022. Comparisons were made between medication use within 30 days pre- and post-COVID-19 diagnosis in this cohort and two comparator groups: pregnant women without COVID-19, and non-pregnant women with COVID-19. Prevalence estimates were pooled using a random-effects model stratified by trimester. Results 50,335 non-hospitalized pregnant women with COVID-19 were identified. The pooled prevalence of antibacterial use in 3 rd trimester was higher post-COVID-19 diagnosis (6.8%, 95%CI 5.5-8.4, I 2 =94%) compared with the same women pre-COVID-19 (3.9%, 95%CI 3.1-4.9, I 2 =89%). Overall, pregnant women with COVID-19 had higher medication use compared to pregnant women without COVID-19, although these differences were not statistically significant. Post-COVID-19, antithrombotics prevalence was 4.5% (95%CI 1.1-16.5, I 2 =100%) among pregnant women with COVID-19 in 3 rd trimester, compared to 2.1% (95%CI 1.2-3.6, I 2 =99%) among those without COVID-19 in 3 rd trimester. Compared to non-pregnant women with COVID-19, pregnant women with COVID-19 were less likely to be prescribed analgesics, antiprotozoals, corticosteroids, psychoanaleptics and psycholeptics, and more likely to be prescribed antithrombotics, cough and cold and nasal preparations across all trimesters. High heterogeneity existed in nearly all analyses. Conclusion This international meta-analysis reveals low medication use and country-specific variations, enhancing insight into the management of COVID-19 in non-hospitalized pregnant women. Higher antithrombotics use post-COVID-19 suggests prophylactic treatment in this population.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,050 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».