Prevalence of Headache in Patients With Coronavirus Disease 2019 (COVID-19): A Systematic Review and Meta-Analysis of 14,275 Patients
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) started to spread globally since December 2019 from Wuhan, China. Headache has been observed as one of the clinical manifestations in COVID-19 patients. We aimed to conduct a comprehensive systematic review and meta-analysis to estimate the overall pooled prevalence of headache in COVID-19 patients. Methods: PubMed, Scopus, ScienceDirect, and Google Scholar databases were searched to identify studies published between December 2019 and March 2020. Adult (≥18 years) COVID-19 patients were considered eligible. We used random-effects model to estimate the pooled prevalence with 95% confidence intervals (CIs). Quality assessment was done using the Joanna Briggs Institute critical appraisal tools. This study is registered with PROSPERO (CRD42020182529). Results: We identified 2,055 studies, of which 86 studies (n = 14,275, 49.4% female) were included in the meta-analysis. Overall, the pooled prevalence of headache in COVID-19 patients was 10.1% [95% CI: 8.76–11.49]. There was no significant difference of headache prevalence in severe or critical vs. non-severe (RR: 1.05, p = 0.78), survived (recovered or discharged) vs. non-survived (RR: 1.36, p = 0.23), and ICU vs. non-ICU (RR: 1.06, p = 0.87) COVID-19 patients. We detected 64.0, 34.9, and 1.1% of the included studies as high, moderate, and low quality, respectively. Conclusions: From the first 4-month data of the outbreak, headache was detected in 10.1% of the adult COVID-19 patients.
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 | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,040 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».