Epidemiological Characteristics of COVID-19; a Systemic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Background Our understanding of the corona virus disease 2019 (COVID-19) continues to evolve. However, there are many unknowns about its epidemiology. Purpose To synthesize the number of deaths from confirmed COVID-19 cases, incubation period, as well as time from onset of COVID-19 symptoms to first medical visit, ICU admission, recovery and death of COVID-19. Data Sources MEDLINE, Embase, and Google Scholar from December 01, 2019 through to March 11, 2020 without language restrictions as well as bibliographies of relevant articles. Study Selection Quantitative studies that recruited people living with or died due to COVID-19. Data Extraction Two independent reviewers extracted the data. Conflicts were resolved through discussion with a senior author. Data Synthesis Out of 1675 non-duplicate studies identified, 57 were included. Pooled mean incubation period was 5.84 (99% CI: 4.83, 6.85) days. Pooled mean number of days from the onset of COVID-19 symptoms to first clinical visit was 4.82 (95% CI: 3.48, 6.15), ICU admission was 10.48 (95% CI: 9.80, 11.16), recovery was 17.76 (95% CI: 12.64, 22.87), and until death was 15.93 (95% CI: 13.07, 18.79). Pooled probability of COVID-19-related death was 0.02 (95% CI: 0.02, 0.03). Limitations Studies are observational and findings are mainly based on studies that recruited patient from clinics and hospitals and so may be biased toward more severe cases. Conclusion We found that the incubation period and lag between the onset of symptoms and diagnosis of COVID-19 is longer than other respiratory viral infections including MERS and SARS; however, the current policy of 14 days of mandatory quarantine for everyone might be too conservative. Longer quarantine periods might be more justified for extreme cases. Funding None. Protocol registration Open Science Framework: https://osf.io/a3k94/
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 | 0,006 | 0,302 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,026 | 0,006 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».