Mortality in chronic kidney disease patients with COVID-19: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract At the beginning of 2020, the outbreak of coronavirus disease 2019 (COVID-19) led to a worldwide pandemic and mass panic. The number of infected people has been increasing exponentially since, and the mortality rate has also been concomitantly increasing. At present, no study has summarized the mortality risk of COVID-19 in patients with chronic kidney disease (CKD). Therefore, the aim of the present study was to conduct a literature review and meta-analysis to understand the frequency of mortality among CKD patients infected with COVID-19. A comprehensive systematic search was conducted on the PubMed, Embase, and Cochrane databases to find articles published until May 15, 2020. Study quality was assessed using a modified version of the Newcastle–Ottawa Scale. After careful screening based on the inclusion and exclusion criteria, 3,867,367 patients from 12 studies were included. The mortality rate was significantly higher among CKD patients with COVID-19 infection than among CKD patients without COVID-19 infection, as indicated by a pooled OR of 5.81 (95% CI 3.78–8.94, P < 0.00001, I 2 = 30%). The patients were then stratified into ≥ 70 and < 70 years, and subgroup analysis revealed that among CKD patients with COVID-19 infection, the mortality rate was higher in the < 70 years group (OR 8.69, 95% CI 7.56–9.97, P < 0.0001) than in the ≥ 70 years group ( OR 2.44, 95% CI 0.75–6.63, P = 0.15). Thus, COVID-19 patients with CKD have a high mortality risk and require a comprehensive multidisciplinary management strategy.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».