مروری بر پیامدهای بارداری در زنان باردار واکسینه شده علیه کووید-19
Bibliographic record
Abstract
مقاله مروری مقدمه: شواهد نشان داده است، پاندمی کوید-19 میتواند عوارض و عواقب ناخوشایندی را برای مادر باردار و جنین داشته باشد. لذا واکسیناسیون مادران باردار جهت ایمن ساختن این گروه نیز انجام شد. جهت تجمیع دانش موجود در مورد اثربخشی و پیامدهای بارداری در زنانی که این واکسیناسیون را انجام دادند، این مطالعه طراحی و اجرا گردید. روشها: در این مطالعهی مروری سیستماتیک، همهی مطالعات منتشر شده تا تاریخ 24/2/2022 وارد مطالعه شدند. جستجوی مطالعات در پایگاه اطلاعاتی Embase، Scopus، Web of Science، PubMed و با استفاده از کلمات کلیدی Pregnancy، COVID-19 virus vaccines، Pregnancy complications، Fetal outcome انجام شد. دو پژوهشگر به طور مستقل مقالات را جهت ارزیابی کیفیت (با استفاده از ابزار Newcastle-Ottawa) و استخراج یافتههای اصلی آنها مورد بررسی قرار دادند. یافتهها: در این مطالعهی مروری، 10 مطالعه مطابق با معیارهای ورود با 40522 زن باردار که واکسن کووید-19 دریافت کرده بودند، وارد شدند. بروز عوارض مادری پس از واکسیناسیون، فوقالعاده کم بود. در بین زنان باردار، بر اساس اینکه واکسن در سه ماههی اول، دوم یا سوم بارداری تزریق شده باشد، تفاوت معنیداری در میزان عوارض مادری وجود نداشت. واکسیناسیون کووید-19 در دوران بارداری با افزایش عوارض بارداری یا زایمان مرتبط نبود. نتیجهگیری: با توجه به این که ایمنی و اثربخشی واکسن کووید-19 عوامل مهمی در دستیابی به مصونیت جمعیت هستند. پذیرش گستردهتر واکسنها برای دستیابی به پوشش ایمنسازی کافی، ضروری است. ارائهدهندگان مراقبتهای بهداشتی میتوانند از دادههای موجود برای آموزش و توانمندسازی افراد باردار برای تصمیمگیری آگاهانه استفاده کنند.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.099 | 0.058 |
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".