條文本
文摘
目標檢查COVID-19流行的間接影響新生兒護理在低收入和中等收入國家。
設計打斷了時間序列分析。
設置兩個三級新生兒單元在哈拉雷,津巴布韋和利隆圭,馬拉維。
參與者我們總共包括6800名新生兒承認要麼新生兒單位從2019年6月1日到2020年9月25日(津巴布韋:3450;馬拉維:3350)。我們沒有具體的排除標準。
幹預措施第一個情況下每個國家的COVID-19(津巴布韋:2020年3月20日;馬拉維:2020年4月3日)。
主要結果測量招生的數量變化,胎齡和出生體重,入學推薦,新生兒腦病,患病率和總體死亡率COVID-19之前和之後的第一個病例。
結果入學人數在津巴布韋一開始並沒有改變後第一例COVID-19但護士罷工期間下降了48%(相對危險度(RR) 0.52, 95%可信區間0.41到0.66,p < 0.001)。在馬拉維,錄取後不久第一例COVID-19下降了42%(相對危險度0.58,95%可信區間0.48到0.70,p < 0.001)。在馬拉維,胎齡和出生體重略微降低了約1周(β−1.4,95% CI 1.62−−0.65, p < 0.001)和300 g(β−299.9,95% CI 412.3−−187.5, p < 0.001)和外部推薦下降了28%(相對危險度0.72,95%可信區間0.61到0.85,p < 0.001)。沒有發現這些結果的變化在津巴布韋和無顯著變化在新生兒腦病的發病率或死亡率被發現在每個站點(p > 0.05)。
結論COVID-19的間接影響是上下文相關的。盡管我們的研究提供了重要的證據通知衛生提供者和決策者,國家數據需要確定真正的大流行對新生兒健康的影響。
- COVID-19
- 兒科
- 新生兒重症和急救護理
- 質量在衛生保健
- 國際衛生服務
數據可用性聲明
合理的請求數據。研究收集的數據還不能公開,因為Neotree的主要分析試點實施評價,以及二次分析正在進行。我們的飛行員實現的目標是建立一個開源匿名研究Neotree數據庫數據達到最大化和效用的研究人員旨在改善新生兒的結果在低收入的設置。這個數據庫在開發和談判有關衛生部。
這是一個開放的分布式依照創作共用署名4.0條Unported (4.0) CC許可,允許他人複製、分配、混音、轉換和發展這項工作為任何目的,提供了最初的工作是正確地引用,執照的鏈接,並表明是否變化。看到的:https://creativecommons.org/licenses/by/4.0/。
來自Altmetric.com的統計
本研究的優點和局限性
我們地址需要增加研究的間接影響COVID-19大流行在新生兒護理在低收入和中等收入國家。
我們收集到的數據進行數字和使用Neotree實時應用程序,使一個大樣本量6800新生兒用最小的丟失的數據。
可能未被注意的事件發生近第一例COVID-19在任何國家,這可能會影響我們的結果。
我們隻收集的數據在新生兒加護病房內新生兒承認和沒有捕獲死產或新生兒死亡發生在社區。
介紹
世衛組織宣布COVID-19國際關注的突發公共衛生事件2020年1月30日。12年後,確診病例超過2.81億到2021年底,全球有超過540萬人死亡。2津巴布韋首次記錄案件2020年3月20日,到目前為止,已報告200多將近5000人死亡000例。2馬拉維首次確診3例2020年4月3日報告了超過72 000例和2000例死亡。2
COVID-19大流行之前,進行了相當大的改善全球兒童健康:全球新生兒死亡率降至31日至18人死亡每1000活產2000年和2018年之間。3然而有下降的利率之間的差距與撒哈拉以南非洲地區麵臨新生兒死亡率最高。3現在,這是很危險的,健康狀況在低收入和中等收入國家(LMICs)將進一步下跌背後的高收入國家。雖然世界各國麵臨挑戰與COVID-19大流行,中低收入國家的要求尤其在金融限製,測試能力有限,缺乏個人防護設備,人員短缺,4個5和有限的獲得疫苗。6隨著孩子的低風險從COVID-19感染或嚴重疾病,7 - 11任何可能會影響他們的健康結果歸因於大流行對衛生係統的間接影響,如先前的疾病暴發。12日13這些包括父母的失業率增加,食品和住房不安全感,並減少日常保健,包括產前和圍產期保健,潛在的破壞性下遊對新生兒的影響結果。14日15
我們提出COVID-19大流行會尋求保健產生負麵影響的行為,新生兒護理方麵的條款,最終,新生兒中低收入國家建設的結果。為了驗證這個假設,我們旨在研究趨勢的標誌新生兒護理之前和期間的最初幾個月COVID-19流行在莎莉穆加貝中心醫院(SMCH),津巴布韋和Kamuzu中心醫院(KCH)、馬拉維。具體來說,我們比較了:
新生兒加護病房內的招生數量(南京大學)。
胎齡和出生體重新生兒承認。
入學推薦的來源。
新生兒患病率腦病(NE)。
總體死亡率之前和之後的第一個報告病例COVID-19。
方法
本研究報告按照流行病學聲明中加強觀察性研究的報道(在線補充附錄1)。
設置
衛生設施
SMCH是一個公共轉診醫院在哈拉雷,津巴布韋。它有最大的三叔自從全國100床。利隆圭,KCH是馬拉維的四個區域轉診醫院和南京大學有75個床。新生兒護理在SMCH主要是醫生在新生兒護理領導KCH主要是護士領導的。這兩個單位接受當地和國家專家推薦的外科處理。
政府應對流感大流行
為了應對COVID-19大流行,津巴布韋和馬拉維實現響應措施,以控製疫情。在津巴布韋,政府關閉邊界,在幾天內不必要的旅行的第一個國內確診病例COVID-19和實施一個完整的國家封鎖,持續了2020年3月30日至6月11日,緊隨其後的是階段性計劃生育政策放寬的限製。16在馬拉維,公共活動被禁止公眾集會限製為少於100人2020年3月20日,與所有教育機構關閉幾天後。17邊界被關閉不必要的旅行2020年4月1日,一個完整的國家封鎖宣布從2020年4月18日持續21天;然而,最高法院禁令阻止。進一步限製是2020年8月9日宣布,強製戴口罩在公共場合關閉宗教場所,餐廳,酒吧,和限製公眾集會最初不到10人,盡管這些被修改後的幾天內reallow聚會多達100人。18
參與者
所有的新生兒承認南京16個月時間從2019年6月1日到2020年9月25日(69周)完成合格的列入。我們沒有具體的排除標準。
數據收集
前瞻性地收集了數據使用Neotree應用程序(應用程序),一個Android平台基於tablet的質量改進,旨在降低新生兒死亡率在資源匱乏的地區。21開發與當地利益攸關方合作,嵌入到常規的做法是在兩個南京大學在津巴布韋和馬拉維,提供實時的臨床決策支持,新生兒護理教育和數字數據捕獲。22日23日
衛生工作者完成一個數字形式當新生兒承認單位(入學形式)和出院或死亡時(結果形式)。新生兒的應用指南評估和收集病人的人口統計數據,檢查結果,診斷和幹預措施。倫敦大學學院Pseudonymised形式上傳月度服務器(津巴布韋數據)和亞馬遜網絡服務(馬拉維數據)。承認和成果形式是由應用程序生成的唯一標識符聯係入學。
結果
我們評估五個結果:
招生人數:入院日期的確定每個入學的形式完成。
出生時胎齡(周)和出生體重(克):從產科進入錄取形式記錄。
招生來源:定義為“在”(勞動病房,產後病房,產前病房、產科劇院或私立沃德(僅KCH))或“外”(從另一個醫療機構轉診或產後self-referral在家)。
東北的診斷:定義為“缺氧缺血性腦病”或“出生窒息”記錄為診斷、死因或分攤死因結果形式。
死亡率:定義為“新生兒死亡”的結果,對結果的形式。所有其他新生兒,包括出院,轉移到另一個設備或離開父母的請求,被認為是活著。
統計分析
分析了R V.3.6.3進行,24運行在RStudio V.1.2.5033。25首先,入學形式與相應的結果形式在承認基於生成的唯一標識符。缺乏完成結果形式(SMCH: n = 325(9.4%的錄取形式完成);KCH: n = 245(7.3%)或錯誤的條目在放電惟一標識符(SMCH: n = 310(9.9%的結果形式完成);KCH: n = 182(5.9%))意味著我們無法匹配一些入學形式與結果形式(SMCH: n = 635(18.4%的錄取形式完成);KCH: n = 427 (12.7%))。結果1 - 3,我們分析基於數據從所有入學形式,無論地位相匹配。結果4和5,我們隻分析基於匹配的記錄。匹配記錄暗示一個消極的入學時間(即結果日期之前入學日期)被排除在外(SMCH: n = 57(2.0%的匹配記錄);KCH: n = 24 (0.8%))。看到在線補充附錄3流程圖的記錄包含。缺失的數據被使用成對刪除每個分析缺失的頻率值是最小的(在線補充附錄4)。
本研究使用了一個中斷時間序列設計為每周數據窗口。我們考慮的第一個確診病例COVID-19在每個國家幹預(津巴布韋:2020年3月20日;馬拉維:2020年4月3日)。2結果,我們提出一個水平變化的影響模型沒有滯後,這是使用中斷時間序列回歸模型進行了測試。26胎齡和出生體重與線性回歸模型。計數數據模型使用廣義線性模型和泊鬆或負二項反應和對數鏈接功能。我們評估了色散除以df剩餘異常的泊鬆模型。這個係數遠遠大於1(大於1.10)我們不是用負二項模型占overdispersion。因此,入學推薦的來源,患病率NE和總體死亡率在SMCH模仿使用泊鬆模型,而招生數量和總體死亡率在KCH利用負二項模型建模。
所有模型SMCH調整時期的醫生的罷工(3 2019年9月到2020年1月22日)和護士罷工(6月17日到2020年9月9日)。統計數據,我們調整招生的數量隨著時間的變化,包括每周的對數招生的數量在每個窗口一個偏移量。存在自相關。利用自相關函數圖和通過檢查模型的殘差。季節性是包含在中斷時間序列模型和餘弦函數和變量振幅和轉變。承認我們測試了模型擬合餘弦函數在周6個月和12個月的時間,和一個模型包括兩個諧波。為了達到這個目標,我們每一個餘弦函數變成一個正弦,餘弦項,這些術語,包括在回歸模型為每個結果(如Stolwijk描述等)。27最終的模型提出了選擇通過最小化貝葉斯信息準則,通過比較擬合優度χ2測試嵌套模型。調整季節性沒有改善的任何模型的測試,因此,所有未經季節性因素提出了模型。看到在線補充附錄5模型選擇和估計。
病人和公眾參與
盡管病人和公眾並不直接參與本研究,在更廣泛的Neotree聯合開發項目我們正在進行一係列的研討會和焦點小組討論的衛生保健工作者和家長承認嬰兒確保當地所有權和相關性的數字質量參與工具旨在改善醫療狀況脆弱的新生兒。
結果
在SMCH,意味著(SD)每周招生數量54.6(23.5)前第一例COVID-19 (pre-COVID-19)和42.8(19.9)之後(post-COVID-19)。負二項回歸模型顯示,沒有證據表明改變招生後第一例COVID-19(相對危險度(RR) 0.87;95%可信區間0.65到1.17;p = 0.37) (圖2一個)。然而,這個模型估計錄取護士罷工期間下降了48%(相對危險度0.52,95%可信區間0.41到0.66;p < 0.001)和51% pre-COVID-19醫生罷工(相對危險度0.49,95%可信區間0.41到0.60;p < 0.001)。
KCH,每周的平均數量(SD)招生pre-COVID-19時期為54.5(10.8)和38.0 (10.9)post-COVID-19時期。負二項回歸模型取得了第一例後減少42%的招生COVID-19 (RR 0.58;95%可信區間0.48到0.70;p < 0.001) (圖2 b)。
結果2:胎齡和出生體重
在SMCH,意味著(SD)出生時胎齡為36.1(4.4)周pre-COVID-19時期和36.0(4.2)周post-COVID-19時期。平均出生體重(SD) 2500 (908) g pre-COVID-19時期和2487年(896年)g post-COVID-19時期。線性回歸分析顯示無顯著的變化在出生時胎齡和出生體重後第一例COVID-19(胎齡:β0.07;95%可信區間0.50−0.64;p = 0.81,出生體重:β3.4;95%可信區間117.0−123.8;p = 0.96) (在線補充圖1 a, C)。
KCH,意味著(SD)妊娠年齡是35.0(3.9)周pre-COVID-19時期和34.8(3.9)周post-COVID-19時期。平均出生體重(SD) 2402 (883) g pre-COVID-19時期和2299年(870年)g post-COVID-19時期。孕齡顯著下降了1周post-COVID-19時期(β−1.14;95%可信區間1.62−−0.65;p < 0.001) (在線補充圖1 b)和出生體重顯著下降了300 g(β−299.9;95%可信區間412.3−−187.5;p < 0.001) (在線補充圖1 d)。
結果3:入學推薦的來源
SMCH,意味著(SD)的比例推薦到南京大學外39 (11)% pre-COVID-19時期和35 (9)% post-COVID-19時期。泊鬆回歸模型顯示,沒有證據表明變化的百分比外推薦第一種情況後COVID-19 (RR 0.97;95%可信區間0.77到1.22;p = 0.81) (圖3一)。然而,這種模式確實意味著39%的比例相對增加的外推薦pre-COVID-19的醫生罷工期間(RR 1.39;95%可信區間1.20到1.61;p < 0.001)。
在KCH,意味著(SD)的比例推薦外61 (8)% pre-COVID-19時期和51 (10)% post-COVID-19時期。泊鬆回歸分析導致相對減少28%以外第一例後推薦COVID-19 (RR 0.72;95%可信區間0.61到0.85;p < 0.001) (圖3 b)。
結果4:NE的患病率
SMCH,意味著(SD)的比例承認新生兒患有NE 16歲(6)% pre-COVID-19時期和21 (12)% post-COVID-19時期暗示可能增加。泊鬆回歸分析無顯著變化的百分比新生兒患有NE post-COVID-19 (RR 1.06;95%可信區間0.74到1.52;p = 0.74) (在線補充圖2)。
KCH,意味著(SD)的比例承認新生兒患有NE 15歲(6)% pre-COVID-19時期和13 (5)% post-COVID-19時期。泊鬆回歸模型隱含的診斷可能增加COVID-19 NE在第一,但這不是統計學意義(RR 1.31;95%可信區間0.91到1.88;p = 0.15) (在線補充圖2 b)。
結果5:總體死亡率
SMCH,平均每周(SD)的死亡比例錄取是25 (10)% pre-COVID-19時期和26 post-COVID-19時期(16)%。負二項回歸模型指向可能降低死亡率COVID-19第一種情況後,但這不是統計學意義(RR 0.72;95%可信區間0.52到1.00;p = 0.05) (圖4一)。然而,這個模型並顯示死亡率81%的相對增加護士罷工期間(RR 1.81;95%可信區間1.31到2.49;p < 0.001)。
KCH,平均每周(SD)的死亡比例錄取19歲(6)% pre-COVID-19時期和23 post-COVID-19時期(10)%。泊鬆回歸模型暗示可能增加死亡率COVID-19第一種情況後,但這不是統計學意義(RR 1.31;95%可信區間0.97到1.76;p = 0.08) (圖4 b)。
討論
總結
我們執行一個中斷時間序列分析研究新生兒護理規定的變化在兩個三級南京大學在津巴布韋和馬拉維後第一個例COVID-19在每個國家。我們發現招生SMCH COVID-19第一例後沒有明顯變化時考慮這一時期作為一個整體,但有一個相當大的減少招生數量(約50%)在6月到2020年8月,恰巧與護士罷工。我們並沒有發現顯著變化胎齡和出生體重、入學推薦,患病率在SMCH NE或死亡率。相反,我們發現一些變化在新生兒護理標記KCH COVID-19第一種情況後在馬拉維。招生的數量下降了42%,我們指出的胎齡和出生體重下降承認新生兒(分別約1周和300 g),和28%的相對減少以外第一例COVID-19後推薦。雖然這項研究是描述性的,我們可以推測解釋我們的結果基於現有文獻和討論與當地衛生工作者。
解釋
招生的數量SMCH 6月至2020年8月下降了約50%,但我們注意到這次罷工期間外沒有改變,暗示一些彈性大流行的影響。然而,護士罷工在薪酬和個人防護設備的可用性,20.所以罷工COVID-19本身就是一種間接的後果。最近發表的審計孕產婦健康服務提供兩家三級醫院在哈拉雷,津巴布韋(包括SMCH)發現醫院分娩,減少25%的幾率增加死產(或1.8;95%可信區間1.5到2.2)2020年3月至8月與2019年同期相比,28這可能部分解釋在南京大學招生減少的原因。KCH也出現了類似的減少招生,但是,與SMCH,這種下降42%是說一周之內COVID-19的第一例。在圖5,我們提出幾個相互聯係的因素可以解釋了南京大學招生。其中的幾個因素,如害怕使用健康服務,擾亂了交通網絡和人員短缺的直接報告由當地資源在資源匱乏的地區,並在最近的一份報告中強調了格雷厄姆et al。29日
我們發現輕微下降,胎齡和出生體重新生兒KCH,但不是SMCH。研究報告的早產率增加了孕婦COVID-19相比之下,那些沒有疾病,主要來自醫藥引起早產;盡管這些中低收入國家建設進行了研究。30.初步分析表明緊急剖腹產的比例增加SMCH KCH, KCH更顯著增加(在線補充附錄6)。這是一個潛在的解釋我們的發現。然而,我們注意到,在KCH外推薦的數量下降了28%,和新生兒稱為KCH以外更有可能從低風險妊娠送到醫療中心與更高的妊娠年齡和出生體重。進一步分析應該由入學推薦來源形成澄清這一發現,但相對減少外部支持推薦,推薦流感大流行期間被兒科醫生隨叫隨到的嚴格篩選,並推薦一些地區轉移遠離KCH更合適的中心護理所需的水平。
我們假設,利率會增加流感大流行期間。東北是大腦功能紊亂的臨床表現,可以有多個目的。31日“hypoxic-ischaemic腦病”這個詞是留給有證據的情況下產時窒息。31日中低收入國家建設,難產是孕產婦死亡的主要原因,可能會導致與後續產時窒息新生兒發病率和死亡率,包括東北。32因此,東北的患病率可能會增加延遲的標記表示衛生設施。放心,我們沒有發現NE SMCH或KCH率增加。然而,這些發現應該被謹慎一些新生兒不可能沒有提交給衛生設施,例如,由於房屋交付的數量增加,記錄在其他撒哈拉以南的非洲國家。33
最後,我們沒有觀察到顯著改變整體死亡率KCH SMCH,除了SMCH護士罷工期間。事實上,有一個建議,死亡率下降後第一個案例在津巴布韋COVID-19調整後的護士罷工期間,但這不是統計學意義。原因尚不清楚,但可能包括因素如死胎率增加或改善照顧新生兒的小數量在南京大學。更完整的醫療機構和社區新生兒死亡率的分析非常必要的。
局限性和未來的工作
限製固有打斷了時間序列分析是另一個事件發生的可能性接近兩個國家的第一例COVID-19造成虛假的觀察。有效性的另一個潛在的威脅是不斷變化的數據收集方法。例如,過度臨床醫生可能不輸入數據到所有承認新生兒Neotree應用。然而,這是不太可能隨著Neotree應用程序嵌入到常規實踐SMCH和KCH和討論與當地合作者建議使用的應用程序一直沒有問題。目前,有指導能力有限和樣本大小計算中斷時間序列分析。34因此,我們沒有執行特定功率計算和依賴於數據的分析。此外,我們的研究結果表明,我們的研究已經相對較低的功率檢測真正的變化在某些結果,尤其是東北,所以這些結果應該謹慎的解釋缺乏進一步的數據。
Neotree應用程序隻有在新生兒承認南京收集數據。因此,我們的分析不捕捉死產或新生兒死亡發生在社區。是令人不安的大幅下降在招生網站,提高的可能性,許多不適新生兒沒有出席一個衛生設施,死在家裏。最近的一項研究發現,設施出生率下降了50%以上在鎖定在尼泊爾,和設施死產和新生兒死亡率顯著增加。35Neotree研究團隊目前正在收集數據在死產SMCH KCH,但是這些數據仍然隻代表死產發生在衛生設施。鑒於COVID-19流行並沒有結束,這將是重要的重複我們的分析進一步研究長期趨勢在新生兒護理方麵的規定。
結論
的間接影響COVID-19上下文相關,更重要和明顯的效果在KCH提供新生兒護理(馬拉維)比SMCH(津巴布韋)。盡管這項研究提供了重要的證據告知衛生服務提供者和政策製定者,國家數據需要確定真正的大流行對新生兒健康的影響。
數據可用性聲明
合理的請求數據。研究收集的數據還不能公開,因為Neotree的主要分析試點實施評價,以及二次分析正在進行。我們的飛行員實現的目標是建立一個開源匿名研究Neotree數據庫數據達到最大化和效用的研究人員旨在改善新生兒的結果在低收入的設置。這個數據庫在開發和談判有關衛生部。
倫理語句
病人同意出版
倫理批準
研究倫理批準獲得倫敦大學學院的研究倫理委員會(17123/001)和倫理委員會在馬拉維(P.01/20/2909)和津巴布韋(MRCZ / / 2570)(在線補充附錄2)。需要獲得知情同意放棄是我們隻收集pseudonymised數據通常為臨床護理記錄。
確認
我們非常感謝家庭SMCH KCH,和兩家醫院的工作人員為他們的熱情和承諾Neotree項目,沒有這個工作是不可能的。
引用
補充材料
-
補充數據
僅這個web文件已經由英國醫學雜誌出版集團從一個電子文件提供的作者(年代)和沒有對內容進行編輯。
腳注
SC和SRN共同第一作者。
MC和MH共同作者
貢獻者設計的概念和研究SC、SRN GC, FF, MCB, CC、MC和MH與其他作者的意見。數據收集的HG, DN, TC, CC和TH-B。分析由SRN和MCB FF的貢獻,SC, EW和MH。手稿起草SC和SRN輸入從GC, FF, MCB, MC和MH。所有作者校對和批準最終稿。底層數據訪問和驗證了SRN MCB, HG、FF和MH MH的擔保人是研究。
資金我們要感謝這個研究的資助者。SRN被授予國際兒童健康小組大衛莫理這個選修課選修大學獎學金項目。更廣泛的Neotree項目資助者,過去和現在,包括威康信托基金會數字創新獎(215742 / Z / 19 / Z:π:嘿),RCPCH, Naughton-Cliffe馬修斯,倫敦大學學院的重大挑戰和全球合作基金,醫療感染社會分析201802004)。支持FF醫學科學院臨床講師和起動器的資助者資助計劃。這項研究和MH FF進一步支持由國家衛生研究所大奧爾蒙德街醫院生物醫學研究中心。投資者沒有參與研究設計、數據收集和分析,或準備這份報告。
免責聲明作者的觀點是,不一定的國民醫療服務製度(NHS), NIHR或英國衛生部。投資者沒有參與研究設計、數據收集、數據分析、數據解釋,或製備的手稿。
相互競爭的利益沒有宣布。
病人和公眾參與病人和/或公眾參與設計,或行為,或報告,或傳播本研究計劃。是指部分進一步了解細節的方法。
出處和同行評議不是委托;外部同行評議。
補充材料此內容已由作者(年代)。尚未審查由BMJ出版集團有限公司(BMJ)和可能沒有被同行評議。任何意見或建議討論僅代表作者(年代)和不了BMJ的支持。和責任起源於BMJ概不負責任何依賴的內容。內容包括任何翻譯材料,BMJ並不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南,術語,藥物名稱和藥物劑量),和不負責任何錯誤或遺漏引起的翻譯和改編或否則。