Severe COVID-19 Infection and Pediatric Comorbidities: A Systematic Review and Meta-Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: There is limited information on the severity of COVID-19 infection in children with comorbidities. We investigated the effects of pediatric comorbidities on COVID-19 severity by means of a systematic review and meta-analysis of published literature. Methods: PubMed, Embase, and Medline databases were searched for publications on pediatric COVID-19 infections published January 1 st to October 5 th , 2020. Articles describing at least one child with and without comorbidities, COVID-19 infection, and reported outcomes were included. Results: 42 studies containing 275,661 children without comorbidities and 9,353 children with comorbidities were included. Severe COVID-19 was present in 5.1% of children with comorbidities, and in 0.2% without comorbidities. Random-effects analysis revealed a higher risk of severe COVID-19 among children with comorbidities than for healthy children; relative risk ratio 1.79 (95% CI 1.27 -2.51; I 2 = 94%). Children with underlying conditions also had a higher risk of COVID-19-associated mortality; relative risk ratio 2.81 (95% CI 1.31 -6.02; I 2 = 82%). Children with obesity had a relative risk ratio of 2.87 (95% CI 1.16 -7.07; I 2 = 36%). Conclusions: Children with comorbidities have a higher risk of severe COVID-19 and associated mortality than children without underlying disease. Additional studies are required to further evaluate this relationship.
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.
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 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,001 | 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 découle