Hearing Loss, Tinnitus, and Dizziness in 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
OBJECTIVES: Extensive studies indicate that severe acute respiratory syndrome coronavirus (SARS-CoV-2) involves human sensory systems. A lack of discussion, however, exists given the auditory-vestibular system involvement in CoV disease 2019 (COVID-19). The present systematic review and meta-analysis were performed to determine the event rate (ER) of hearing loss, tinnitus, and dizziness caused by SARS-CoV-2. METHODS: Databases (PubMed, ScienceDirect, Wiley) and World Health Organization updates were searched using combined keywords: 'COVID-19,' 'SARS-CoV-2,' 'pandemic,' 'auditory dysfunction,' 'hearing loss,' 'tinnitus,' 'vestibular dysfunction,' 'dizziness,' 'vertigo,' and 'otologic symptoms.' RESULTS: Twelve papers met the eligibility criteria and were included in the study. These papers were single group prospective, cross-sectional, or retrospective studies on otolaryngologic, neurologic, or general clinical symptoms of COVID-19 and had used subjective assessments for data collection (case histories/medical records). The results of the meta-analysis demonstrate that the ER of hearing loss (3.1%, CIs: 0.01-0.09), tinnitus (4.5%, CIs: 0.012-0.153), and dizziness (12.2%, CIs: 0.070-0.204) is statistically significant in patients with COVID-19 (Z ≤ -4.469, p ≤ 0.001). CONCLUSIONS: COVID-19 can cause hearing loss, tinnitus, and dizziness. These findings, however, should be interpreted with caution given insufficient evidence and heterogeneity among studies. Well-designed studies and follow-up assessments on otologic symptoms of SARS-CoV-2 using standard objective tests are recommended.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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