Medications Used Among Nonhospitalized Pregnant Women With <scp>COVID</scp> ‐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 nonhospitalized 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 nonhospitalized pregnant women with COVID‐19 between January 2020 and 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 nonpregnant women with COVID‐19. Prevalence estimates were pooled using a random‐effects model stratified by trimester. Results 50 335 nonhospitalized pregnant women with COVID‐19 were identified. The pooled prevalence of antibacterial use in the third trimester was higher post‐COVID‐19 diagnosis (6.8%, 95% confidence interval [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 the CIs of the prevalence overlapped. Post‐COVID‐19, antithrombotic prevalence was 4.5% (95% CI = 1.1–16.5, I 2 = 100%) among pregnant women with COVID‐19 in the third trimester, compared to 2.1% (95% CI = 1.2–3.6, I 2 = 99%) among those without COVID‐19 in the third trimester. Compared to nonpregnant 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, and drugs used in diabetes 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 nonhospitalized pregnant women. Higher antithrombotic use post‐COVID‐19 suggests prophylactic treatment in this population, but variation between countries emphasizes the challenges of combining multinational data.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».