The Risk and Prognosis of COVID-19 Infection in Cancer Patients
Notice bibliographique
Résumé
Numerous studies have been published regarding outcomes of cancer patients infected with the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus causing the coronavirus disease 2019 (COVID-19) infection. However, most of these are single-center studies with a limited number of patients. To better assess the outcomes of this new infection in this subgroup of susceptible patients, we performed a systematic review and meta-analysis to evaluate the impact of COVID-19 infection on cancer patients. We performed a literature search using PubMed, Web of Science, and Scopus for studies that reported the risk of infection and complications of COVID-19 in cancer patients and retrieved 22 studies (1018 cancer patients). The analysis showed that the frequency of cancer among patients with confirmed COVID-19 was 2.1% (95% confidence interval [CI]: 1.3-3) in the overall cohort. These patients had a mortality of 21.1% (95% CI: 14.7-27.6), severe/critical disease rate of 45.4% (95% CI: 37.4-53.3), intensive care unit (ICU) admission rate of 14.5% (95% CI: 8.5-20.4), and mechanical ventilation rate of 11.7% (95% CI: 5.5-18). The double-arm analysis showed that cancer patients had a higher risk of mortality (odds ratio [OR]=3.23, 95% CI: 1.71-6.13), severe/critical disease (OR=3.91, 95% CI: 2.70-5.67), ICU admission (OR=3.10, 95% CI: 1.85-5.17), and mechanical ventilation (OR=4.86, 95% CI: 1.27-18.65) than non-cancer patients. Furthermore, cancer patients had significantly lower platelet levels and higher D-dimer levels, C-reactive protein levels, and prothrombin time. In conclusion, these results indicate that cancer patients are at a higher risk of COVID-19 infection-related complications. Therefore, cancer patients need diligent preventive care measures and aggressive surveillance for earlier detection of COVID-19 infection.
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) | 0,002 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».