Giant Cell Arteritis and COVID-19: Similarities and Discriminators. A Systematic Literature Review
Notice bibliographique
Résumé
OBJECTIVE: To identify shared and distinct features of giant cell arteritis (GCA) and coronavirus disease 2019(COVID-19) to reduce diagnostic errors that could cause delays in correct treatment. METHODS: Two systematic literature reviews determined the frequency of clinical features of GCA and COVID-19 in published reports. Frequencies in each disease were summarized using medians and ranges. RESULTS: Headache was common in GCA but was also observed in COVID-19 (GCA 66%, COVID-19 10%). Jaw claudication or visual loss (43% and 26% in GCA, respectively) generally were not reported in COVID-19. Both diseases featured fatigue (GCA 38%, COVID-19 43%) and elevated inflammatory markers (C-reactive protein [CRP] elevated in 100% of GCA, 66% of COVID-19), but platelet count was elevated in 47% of GCA but only 4% of COVID-19 cases. Cough and fever were commonly reported in COVID-19 and less frequently in GCA (cough, 63% for COVID-19 vs 12% for GCA; fever, 83% for COVID-19 vs 27% for GCA). Gastrointestinal upset was occasionally reported in COVID-19 (8%), rarely in GCA (4%). Lymphopenia was more common in COVID-19 than GCA (53% in COVID-19, 2% in GCA). Alteration of smell and taste have been described in GCA but their frequency is unclear. CONCLUSION: Overlapping features of GCA and COVID-19 include headache, fever, elevated CRP and cough. Jaw claudication, visual loss, platelet count and lymphocyte count may be more discriminatory. Physicians should be aware of the possibility of diagnostic confusion. We have designed a simple checklist to aid evidence-based evaluation of patients with suspected GCA.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,000 | 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 ».