Prevalence of chronic comorbidities in dengue fever and West Nile virus: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Flavivirus diseases such as dengue fever (DENV), West Nile virus (WNV), Zika and yellow fever represent a substantial global public health concern. Preexisting chronic conditions such as cardiovascular diseases, diabetes, obesity, and asthma were thought to predict risk of progression to severe infections. OBJECTIVE: We aimed to quantify the frequency of chronic comorbidities in flavivirus diseases to provide an estimate for their prevalence in severe and non-severe infections and examine whether chronic diseases contribute to the increased risk of severe viral expression. METHODS: We conducted a comprehensive search in PubMed, Ovid MEDLINE(R), Embase and Embase Classic and grey literature databases to identify studies reporting prevalence estimates of comorbidities in flavivirus diseases. Study quality was assessed with the risk of bias tool. Age-adjusted odds ratios (ORs) were estimated for severe infection in the presence of chronic comorbidities. RESULTS: We identified 65 studies as eligible for inclusion for DENV (47 studies) and WNV (18 studies). Obesity and overweight (i.e., BMI> 25 kg/m2, prevalence: 24.5%, 95% CI: 18.6-31.6%), hypertension (17.1%, 13.3-21.8%) and diabetes (13.3%, 9.3-18.8%) were the most prevalent comorbidities in DENV. However, hypertension (45.0%, 39.1-51.0%), diabetes (24.7%, 20.2-29.8%) and heart diseases (25.6%, 19.5-32.7%) were the most prevalent in WNV. ORs of severe flavivirus diseases were about 2 to 4 in infected patients with comorbidities such as diabetes, hypertension and heart diseases. The small number of studies in JEV, YFV and Zika did not permit estimating the prevalence of comorbidities in these infections. CONCLUSION: Higher prevalence of chronic comorbidities was found in severe cases of flavivirus diseases compared to non-severe cases. Findings of the present study may guide public health practitioners and clinicians to evaluate infection severity based on the presence of comorbidity, a critical public health measure that may avert severe disease outcome given the current dearth of clear prevention practices for some flavivirus diseases.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».