PERFIL SOCIODEMOGRÁFICO E CLÍNICO DE CRIANÇAS NASCIDAS PRÉ-TERMO DEVIDO A COVID-19 NA GESTANTE
Bibliographic record
Abstract
Resultados: Foram examinados 317 prontuários de crianças nascidas entre março de 2020 e março de 2022.Desses, 29 prontuários atenderam os critérios de inclusão.A idade média das mães foi de 27,9 anos (±5,2), com parto cesariana em 86,2%.As complicações obstétricas foram: perda significativa de líquido amniótico, sangramento transvaginal, diabetes mellitus, ruptura prematura de membranas ovulares, restrição de crescimento intrauterino, bolsa rota, pré-eclâmpsia e a necessidade de ventilação mecânica.Os sintomas gripais relatados foram: cefaléia, dispnéia, febre, tosse, astenia, coriza, mialgia e dor torácica.Em relação aos bebês, apenas dois (6,9%) testaram positivo para COVID-19, 48,2% foram prematuros moderados, 41,3% muito prematuros e 13,7% prematuros extremos.48,2% precisaram de reanimação, 44,8% não apresentaram choro ao nascer, 27,5% necessitaram de ventilação mecânica não invasiva, e 13,7% morreram.As complicações mais frequentes relatadas foram: desconforto respiratório, hipotonia, cianose, sepse neonatal, icterícia, apneia e bradicardia.Conclusão: Os resultados indicam risco de complicações da COVID-19 na gestante com repercussões no bebê.A alta taxa de prematuridade em neonatos de mães infectadas, juntamente com as complicações maternas associadas, reforça a importância da vigilância redobrada em casos de COVID-19 durante a gestação.Ademais, a ocorrência de complicações neonatais reforça a necessidade de uma abordagem multidisciplinar no cuidado do bebê, bem como, o acompanhamento do desenvolvimento global.Espera-se que os achados possam contribuir para estratégias de saúde pública e prática clínica buscando amenizar os impactos da COVID-19 na saúde materno-infantil.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".