Venous Thromboembolism, Corticosteroids and COVID-19: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
The novel coronavirus disease 2019 (COVID-19) predisposes patients to venous thromboembolism (VTE) due to risk factors, severe infection, and severe inflammatory responses. The objective is to determine the risk of developing VTE after corticosteroid administration during COVID-19 treatment. Using PRISMA reporting guidelines, a review was conducted from inception until 20 September 2020 with MESH terms including “venous thromboembolism” and “covid-19,” using MEDLINE, Scopus, CINAHL Plus, and WHO Global Database. The inclusion criteria included studies with COVID-19 patients aged 18 years and older with VTE diagnosed by duplex ultrasonography or computed tomography pulmonary angiography (CTPA). Exclusion criteria were studies with non COVID-19 patients and non-VTE patients aged less than 18 years. Quality appraisal was conducted of included studies using the Newcastle-Ottawa Scale (NOS). A random-effect model using 95% confidence intervals, and significance of findings was assessed using Review Manager V5.4.We included 12 observational studies with 2801 patients (VTE n = 434; non-VTE; n = 2367). Patients had a higher risk of presenting with VTE when being administered corticosteroids during treatment of COVID-19 (RR = 1.39, 95% CI = 1.10 to 1.77, I 2 = 0%). A positive effect size was found (SMD = 1.00, 95% CI = 0.67 to 1.32, I 2 = 85%) for D-dimer laboratory values (µg/mL) in the VTE group. While critically ill COVID-19 patients are more likely to require corticosteroid treatment, it may be associated with increased risk of VTE, and poor clinical prognosis. Risk assessment is warranted to further evaluate patients as case-by-case in reducing VTE and worsening clinical 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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,038 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».