MétaCan
Menu
Retour à la cohorte
Enregistrement W3091316526 · doi:10.1111/tmi.13504

Comorbidities and the COVID‐19 pandemic dynamics in Africa

2020· review· en· W3091316526 sur OpenAlexaff
AbdulAzeez Adeyemi Anjorin, Ajibola Ibraheem Abioye, Osaretin E. Asowata, Ayorinde Soipe, Mutiu Idowu Kazeem, Ismail Olayinka Adesanya, Mourad Raji, Margo R. Adesanya, Fausat Oke, Folake Lawal, Bolanle Aishat Kasali, Moshood Olanrewaju Omotayo

Notice bibliographique

RevueTropical Medicine & International Health · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésPandemicEpidemiologyPublic healthMedicineIntensive care medicineMultimorbidityHealth careComorbidityCoronavirus disease 2019 (COVID-19)Environmental healthEconomic growthDiseaseChronic diseasePathologyEconomics

Résumé

récupéré en direct d'OpenAlex

The debate around the COVID-19 response in Africa has mostly focused on effects and implications of public health measures, in light of the socio-economic peculiarities of the continent. However, there has been limited exploration of the impact of differences in epidemiology of key comorbidities, and related healthcare factors, on the course and parameters of the pandemic. We summarise what is known about (a) the pathophysiological processes underlying the interaction of coinfections and comorbidities in shaping prognosis of COVID-19 patients, (b) the epidemiology of key coinfections and comorbidities, and the state of related healthcare infrastructure that might shape the course of the pandemic, and (c) implications of (a) and (b) for pandemic management and post-pandemic priorities. There is a critical need to generate empirical data on clinical profiles and the predictors of morbidity and mortality from COVID-19. Improved protocols for acute febrile illness and access to diagnostic facilities, not just for SARS-CoV-2 but also other viral infections, are of urgent importance. The role of malaria, HIV/TB and chronic malnutrition on pandemic dynamics should be further investigated. Although chronic non-communicable diseases account for a relatively lighter burden, they have a significant effect on COVID-19 prognosis, and the fragility of care delivery systems implies that adjustments to clinical procedures and re-organisation of care delivery that have been useful in other regions are unlikely to be feasible. Africa is a large region with local variations in factors that can shape pandemic dynamics. A one-size-fits-all response is not optimal, but there are broad lessons relating to differences in epidemiology and healthcare delivery factors, that should be considered as part of a regional COVID-19 response framework.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,277
Tête enseignante GPT0,549
Écart entre enseignants0,272 · 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'étudeSans objet
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

Citations84
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTropical Medicine & International HealthMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207