MétaCan
Menu
← Retour à la cohorte
Enregistrement W3036035406 · doi:10.1101/2020.06.21.20136622

The role of pre-existing chronic disease in cardiac complications from SARS-CoV-2 infection: A systematic review and meta-analysis

2020· review· en· W3036035406 sur OpenAlexaboutno aff
Jane E. Sinclair, Yanshan Zhu, Gang Xu, Wei Ma, Haiyan Shi, Kunlong Ma, Chun-Feng Cao, Lingxi Kong, Ke-Qiang Wan, Juan Liao, Hai‐Qiang Wang, Matthew Arentz, Meredith A. Redd, Linda A. Gallo, Kirsty R. Short

Notice bibliographique

RevuemedRxiv · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilUniversitair Medisch Centrum GroningenSt. Antonius ZiekenhuisUniversity College LondonNewcastle upon Tyne Hospitals NHS Foundation TrustUniversity College London Hospitals NHS Foundation TrustUniversity Hospitals of Leicester NHS TrustTehran Heart CenterUniversity Hospitals Bristol NHS Foundation Trust
Mots-clésMedicineMeta-analysisData extractionIncidence (geometry)DiseaseSystematic reviewDiabetes mellitusMEDLINEInternal medicineCohortCohort studyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Importance SARS-CoV-2 is associated with multiple direct and indirect effects to the heart. It is not yet well defined whether patient groups at increased risk of severe respiratory disease due to SARS-CoV-2 infection also experience a heightened incidence of cardiac complications. Objective We sought to analyse the role of pre-existing chronic disease (chronic respiratory illness, cardiovascular disease (CVD), hypertension and diabetes mellitus) in the development of cardiac complications from SARS-CoV-2. Data Sources We retrospectively investigated published (including pre-prints), publicly released, de-identified, data made available between Dec 1, 2019, and May 11, 2020. Information was accessed from PubMed, Embase, medRxiv and SSRN. Study Selection 379 full-text articles were reviewed and 321 excluded for lack of original research, irrelevance to outcome, inappropriate cohort, or small patient numbers (case reports of <10 patients). Data were extracted from two studies and the remaining 56 contacted to request appropriate data, to which three responded with data contributions. A final of five studies were included. Data Extraction and Synthesis This systematic review was conducted based on PRISMA and MOOSE statements. Included studies were critically appraised using Newcastle Ottawa Quality Assessment Scale (NOS). Data were extracted independently by multiple observers. A fixed-effects model was selected for the meta-analysis based on relatively low heterogeneity between the studies ( I 2 <50%). Main Outcome and Measures Cardiac complications were determined via blood levels of cardiac biomarkers above the 99 th percentile of the upper reference limit, abnormalities in electrocardiography, and/or abnormalities in echocardiography. Results SARS-CoV-2-infected patients who developed cardiac complications were, on average, 10 years older than those that did not. Pooled analyses showed the development of cardiac complications from SARS-CoV-2 was significantly increased in patients with underlying chronic respiratory illness (OR 2.88[1.45,5.71]), CVD (OR 5.12[3.09,8.48]), hypertension (OR 4.37[2.99,6.39]) and diabetes mellitus (OR 2.61[1.67,4.09]). Conclusions and Relevance Older age and pre-existing chronic respiratory illness, CVD, hypertension, and diabetes mellitus may represent prognostic factors for the development of additional cardiac complications in COVID-19, highlighting the need for a multidisciplinary approach to chronic disease patient management and providing justification for a larger scale observational study.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,057
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0230,046
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,497
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→