Ocular Manifestations of COVID-19: 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
Several studies have reported the characteristics of Coronavirus disease 2019 (COVID-19), yet there is a gap in our understanding of the ocular manifestations of COVID-19. In this systematic review and meta-analysis, we investigated the prevalence of ocular manifestations in COVID-19 patients. We searched Pubmed, Embase, Scopus, Web of Science, and medRxiv from December 1, 2019 to August 11, 2020. Two independent reviewers screened the articles, abstracted the data, and assessed the quality of included studies in duplicate. Thirty-eight studies were eligible after screening of 895 unique articles, with a total of 8,219 COVID-19 patients (55.3% female; n = 3,486 out of 6,308 patients). Using data extracted from cross-sectional studies, we performed randomeffects meta-analyses to estimate the pooled prevalence of ocular symptoms along with 95% confidence interval (CI). The prevalence of ocular manifestations was estimated to be 11.03% (95% CI: 5.71–17.72). In the studies that reported the details of observed ocular symptoms, the most common ocular manifestations were dry eye or foreign body sensation (n = 138, 16%), redness (n = 114, 13.3%), tearing (n = 111, 12.8%), itching (n = 109, 12.6%), eye pain (n = 83, 9.6%) and discharge (n = 76, 8.8%). Moreover, conjunctivitis had the highest rate among reported ocular diseases in COVID-19 patients (79 out of 89, 88.8%). The results suggest that approximately one out of ten COVID-19 patients show at least one ocular symptom. Attention to ocular manifestations, especially conjunctivitis, can increase the sensitivity of COVID-19 detection among 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.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 découle