ASSOCIATION BETWEEN ETHNICITY AND SEVERE COVID-19 DISEASE: A SYSTEMATIC REVIEW AND META-ANALYSIS
Notice bibliographique
Résumé
ABSTRACT Background Multiple reports suggest a disproportionate impact of Covid-19 on ethnic minorities. Whether ethnicity is an independent risk factor for severe Covid-19 disease is unclear. Purpose Review the association between ethnicity and poor outcomes including all-cause mortality, hospitalisation, critical care admission, respiratory and kidney failure. Data Sources MEDLINE, EMBASE, Cochrane COVID-19 Study Register, WHO COVID-19 Global Research Database up to 15/06/2020, and preprint servers. No language restriction. Study Selection All studies providing ethnicity-aggregated data on the pre-specified outcomes, except case reports or interventional trials. Data Extraction Pairs of investigators independently extracted data, assessed risk of bias using Newcastle-Ottawa scale (NOS), and rated certainty of evidence following GRADE framework. Data Synthesis Seventy-two articles (59 cohort studies with 17,950,989 participants; 13 ecological studies; 54 US-based and 15 UK-based; 41 peer-reviewed) were included for systematic review and 45 for meta-analyses. Risk of bias was low, with median NOS 7 of 9 (interquartile range 6-8). In the unadjusted analyses, compared to white ethnicity, all-cause mortality risk was similar in Black (RR:0.96 [95%CI: 0.83-1.08]), Asian (RR:0.99 [0.85-1.16]) but reduced in Hispanic ethnicity (RR:0.69 [0.57-0.84]). Age and sex-adjusted-risks were significantly elevated for Black (HR:1.38 [1.09-1.75]) and Asian (HR:1.42 [1.15-1.75]), but not for Hispanic (RR:1.14 [0.93-1.40]). Further adjusting for comorbidities attenuated these association to non-significance; Black (HR:0.95 [0.72-1.25]); Asian (HR:1.17 [0.84-1.63]); Hispanic (HR:0.94 [0.63-1.44]). Similar results were observed for other outcomes. In subgroup analysis, there was a trend towards greater disparity in outcomes for UK ethnic minorities, especially hospitalisation risk. Limitations Paucity of evidence on native ethnic groups, and studies outside the US and UK. Conclusions Currently available evidence cannot confirm ethnicity as an independent risk factor for severe Covid-19 illness, but indicates that disparity may be partially attributed to greater burden of comorbidities. Registration PROSPERO, CRD42020188421 Funding source none
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».