Frailty as a predictor of mortality among patients with COVID-19: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: A large number of studies have explored the association between frailty and mortality among COVID-19 patients, with inconsistent results. The aim of this meta-analysis was to synthesize the evidence on this issue. METHODS: Three databases, PubMed, Embase, and Cochrane Library, from inception to 20th January 2021 were searched for relevant literature. The Newcastle-Ottawa Scale (NOS) was used to assess quality bias, and STATA was employed to pool the effect size by a random effects model. Additionally, potential publication bias and sensitivity analyses were performed. RESULTS: Fifteen studies were included, with a total of 23,944 COVID-19 patients, for quantitative analysis. Overall, the pooled prevalence of frailty was 51% (95% CI: 44-59%). Patients with frailty who were infected with COVID-19 had an increased risk of mortality compared to those without frailty, and the pooled hazard ratio (HR) and odds ratio (OR) were 1.99 (95% CI: 1.66-2.38) and 2.48 (95% CI: 1.78-3.46), respectively. In addition, subgroup analysis based on population showed that the pooled ORs for hospitalized patients in eight studies and nursing home residents in two studies were 2.62 (95% CI: 1.68-4.07) and 2.09 (95% CI: 1.40-3.11), respectively. Subgroup analysis using the frailty assessment tool indicated that this association still existed when using the clinical frailty scale (CFS) (assessed in 6 studies, pooled OR = 2.88, 95% CI: 1.52-5.45; assessed in 5 studies, pooled HR = 1.99, 95% CI: 1.66-2.38) and other frailty tools (assessed in 4 studies, pooled OR = 1.98, 95% CI: 1.81-2.16). In addition, these significant positive associations still existed in the subgroup analysis based on study design and geographic region. CONCLUSION: Our study indicates that frailty is an independent predictor of mortality among patients with COVID-19. Thus, frailty could be a prognostic factor for clinicians to stratify high-risk groups and remind doctors and nurses to perform early screening and corresponding interventions urgently needed to reduce mortality rates in patients infected by SARS-CoV-2.
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 | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,036 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».