Pediatric infections in the first year of life following maternal biologic exposure for autoimmune disorder treatment: A systematic review
Notice bibliographique
Résumé
Pregnancy induces immunologic and physiologic changes that can alter disease activity for women with autoimmune disorders (AD), and if exacerbated, may necessitate treatment. Biologics are increasingly prescribed due to their targeted effects, but transplacental transfer to the fetus may increase potential risks to the infant. This review examines the risk of infection and respiratory distress in the first year of life among infants born to women with AD using biologics during pregnancy versus infants exposed to standard therapies. We systematically searched five databases from January 2012 to June 2023. Inclusion was restricted to cohort and case-control studies including infants born to women with rheumatoid arthritis, multiple sclerosis, or systemic lupus erythematosus prescribed a biologic or standard therapy during pregnancy. Quality assessment was performed using the ROBINS-I tool for observational studies. Due to between-study heterogeneity in effect estimates and outcomes, studies were not pooled. Of 2975 identified citations, 10 studies were included. In three studies examining the risk of infant infection, findings were inconsistent largely due to lack of precision (OR range: 0.6-1.4, 95 % CI range: 0.2-2.8). For respiratory distress, two studies reported an increased risk among infants exposed to biologics (HR 1.30, 95 % CI 1.03,1.74 and RR 1.52, 95 % CI 1.06, 2.18) while one did not. Most studies (80 %) had a moderate risk of bias. The findings suggest conflicting results for the risk of infant infection and possible associations with respiratory distress. Given the limited number of studies, additional studies are needed to inform treatment decisions for AD 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 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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».