Central nervous system manifestations in COVID‐19 patients: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: At the end of December 2019, a novel respiratory infection, initially reported in China, known as COVID-19 initially reported in China, and later known as COVID-19, led to a global pandemic. Despite many studies reporting respiratory infections as the primary manifestations of this illness, an increasing number of investigations have focused on the central nervous system (CNS) manifestations in COVID-19. In this study, we aimed to evaluate the CNS presentations in COVID-19 patients in an attempt to identify the common CNS features and provide a better overview to tackle this new pandemic. METHODS: In this systematic review and meta-analysis, we searched PubMed, Web of Science, Ovid, EMBASE, Scopus, and Google Scholar. Included studies were publications that reported the CNS features between 1 January 2020 and 20 April 2020. The data of selected studies were screened and extracted independently by four reviewers. Extracted data analyzed by using STATA statistical software. The study protocol registered with PROSPERO (CRD42020184456). RESULTS: Of 2,353 retrieved studies, we selected 64 studies with 11,687 patients after screening. Most of the studies were conducted in China (58 studies). The most common CNS symptom of COVID-19 was headache (8.69%, 95%CI: 6.76%-10.82%), dizziness (5.94%, 95%CI: 3.66%-8.22%), and impaired consciousness (1.90%, 95%CI: 1.0%-2.79%). CONCLUSIONS: The growing number of studies has reported COVID-19, CNS presentations as remarkable manifestations that happen. Hence, understanding the CNS characteristics of COVID-19 can help us for better diagnosis and ultimately prevention of worse outcomes.
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 | 0,009 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,024 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».