Prevalence of chronic comorbidities in chikungunya: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Epidemiologic evidence suggests that patients with chikungunya virus (CHIKV) infection may be at risk of severe disease complications when they also have comorbidities such as obesity, diabetes, cardiac diseases, and/or asthma. However, the prevalence of these co-existing medical conditions in severe CHIKV cases has not been systematically reported. OBJECTIVE: The aim of the present study is to conduct a systematic review and meta-analysis to describe the prevalence of chronic comorbidities in CHIKV and evaluate their possible contributions to disease severity. METHODS: A search strategy was developed for online databases. Search terms used were "Chikungunya" AND "Diabetes, Hypertension, Stroke, Cardiovascular Diseases, Coronary Artery Diseases, Obesity, OR Asthma". Only 11 articles documenting the frequency of comorbidities in CHIKV were included. Meta-analyses were conducted to evaluate the overall prevalence of comorbidities in the CHIKV infection and stratify the estimates by severity. RESULTS: Among 2,773 CHIKV patients, hypertension was the most prevalent comorbidity (31.3%; 95%CI: 17.9-48.8%) followed by diabetes (20.5%; 95%CI: 12.7-31.3%), cardiac diseases (14.8%; 95%CI: 8.1-25.5%) and asthma (7.9%; 95%CI: 3.3-17.7). There was 4- to 5-fold significant increased prevalence of diabetes, hypertension and cardiac diseases in CHIKV patients over 50 years of age compared to their younger counterparts. Severe CHIKV cases had a significantly higher proportion of diabetes than non-severe cases (p<0.05). CHIKV patients with diabetes had OR of 1.2 (95%CI: 1.05-1.48; p=0.0135) for developing severe infection outcome compared to those with no diabetes. CONCLUSION: Hypertension, diabetes and cardiac diseases may contribute to the severe outcome of CHIKV. Diabetic subjects may be at higher risk of severe infection. These findings may be relevant in developing public health measures and practices targeting CHIKV patients with comorbidities to avert the severe outcome of the infectious disease.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».