HBV coinfection and in-hospital outcomes for COVID-19: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Since December 2019, there are 30 million confirmed cases of a novel coronavirus disease (COVID-19) secondary to severe acute respiratory syndrome coronavirus 2. As of 2020, hepatitis B virus (HBV) affects more than 200 million people worldwide. Both are caused by viral agents. The short-term mortality rate from COVID-19 is much higher than that of HBV. Objective: We sought to understand the impact of HBV coinfection on hospitalized patients with COVID-19. Search Methods: Searches of the literature were conducted in the PubMed, Cochrane Library, and Embase electronic databases. Selection Criteria: We included cohort studies and randomized studies with information on rates of mortality and intensive care unit (ICU) admission from individuals coinfected by HBV and COVID-19. Data Collection and Analysis: Data from six cohort studies with 2,015 patients were collected between January and April 2020, and the results were analyzed by meta-analysis. Main Results: = 2,015; adjusted OR = 0.79, 95% CI 0.31-1.98). During their hospital stay, coinfected patients did not appear to have an increased hospital length of stay or risk of hepatitis B reactivation. Conclusions: This systematic review and meta-analysis provides support that HBV is not a significant risk factor for serious adverse outcomes among patients hospitalized for COVID-19 infection.
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 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,031 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».