Impact of cancer on mortality and severity of corona virus disease 2019
Notice bibliographique
Résumé
BACKGROUND: Cancer patients are in a state of systemic immunosuppression and are considered a highly vulnerable population in the Corona Virus Disease 2019 (COVID-19) epidemic. However, the relationship between cancer and the severity and mortality of patients with COVID-19 remains unclear. This study aims to evaluate whether cancer patients with COVID-19 may be at an increased risk of severe illness and mortality. METHODS: We will perform comprehensive searches in PubMed, EMBASE.com, Web of Science, and the Cochrane Central Register of Controlled Trials to identify studies providing prevalence of cancer between patients with severe and non-severe illness or between non-survivors and survivors. We will use the Newcastle-Ottawa quality assessment scale to assess the quality of included studies. We will conduct pairwise meta-analyses to compute the odds ratio and 95% confidence interval using the Mantel Haenszel method with the random-effects model. The statistical heterogeneity will be assessed using the I statistic. Subgroup analyses, sensitivity analyses, and meta-regression analyses will be performed to explore the sources of heterogeneity. RESULTS: The results of this study will be published in a peer-reviewed journal. CONCLUSION: Our meta-analysis will systematically evaluate the association between cancer and the severity and mortality of patients with COVID-19. This study will provide evidence to help determine whether cancer patients should be provided with special precautions and advised to use stronger personal protection. INPLASY REGISTRATION NUMBER: INPLASY202090093.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,012 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».