Limited Impact of COVID-19 on Pre-existing Trends in Postpartum Infection
Notice bibliographique
Résumé
OBJECTIVES: To assess whether postpartum infection rates decreased among hospital deliveries during the pandemic. METHODS: We designed a pre-post pandemic comparison study of postpartum infection rates among hospital births in Québec, Canada between 2017 and 2022. We calculated postpartum infection rates per 10 000 deliveries and compared the prepandemic and pandemic periods using risk ratios (RRs) and 95% CIs from log-binomial multivariable regression models. We stratified the analysis by mode of delivery and adjusted the models for maternal age, parity, comorbidity, and socioeconomic deprivation. We used autoregressive interrupted time series analysis to verify whether the pandemic impacted pre-existing trends in postpartum infection rates. RESULTS: Postpartum infections were less frequent during the pandemic. Among patients who underwent cesarean deliveries, there was a 30% reduction in the risk of postpartum infection during the pandemic compared with the prepandemic period (RR 0.70; 95% CI 0.62-0.79, P < 0.001). Among patients who underwent vaginal deliveries, there was a 12% reduction in risk (RR 0.88; 95% CI 0.81-0.97, P= 0.008). However, interrupted time series analysis indicated that the reduction in postpartum infections began as early as 2010 and that these pre-existing trends persisted during the pandemic. CONCLUSIONS: Infection rates have decreased over time, especially among cesarean deliveries. The pandemic did not significantly alter the long-term trend in decreasing postpartum infection rates.
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 | 0,007 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».