Risk factors for severity of COVID-19: a rapid review to inform vaccine prioritisation in Canada
Notice bibliographique
Résumé
OBJECTIVES: Rapid review to determine the magnitude of association between potential risk factors and severity of COVID-19, to inform vaccine prioritisation in Canada. SETTING: Ovid MEDLINE(R) ALL, Epistemonikos COVID-19 in L·OVE Platform, McMaster COVID-19 Evidence Alerts and websites were searched to 15 June 2020. Eligible studies were conducted in high-income countries and used multivariate analyses. PARTICIPANTS: After piloting, screening, data extraction and quality appraisal were performed by a single experienced reviewer. Of 3740 unique records identified, 34 were included that reported on median 596 (range 44-418 794) participants, aged 42-84 years. 19/34 (56%) were good quality. OUTCOMES: Hospitalisation, intensive care unit admission, length of stay in hospital or intensive care unit, mechanical ventilation, severe disease, mortality. RESULTS: Authors synthesised findings narratively and appraised the certainty of the evidence for each risk factor-outcome association. There was low or moderate certainty evidence for a large (≥2-fold) magnitude of association between hospitalisation in people with COVID-19, and: obesity class III, heart failure, diabetes, chronic kidney disease, dementia, age >45 years, male gender, black race/ethnicity (vs non-Hispanic white), homelessness and low income. Age >60 and >70 years may be associated with large increases in mechanical ventilation and severe disease, respectively. For mortality, a large magnitude of association may exist with liver disease, Bangladeshi ethnicity (vs British white), age >45 years, age >80 years (vs 65-69 years) and male gender among 20-64 years (but not older). Associations with hospitalisation and mortality may be very large (≥5-fold) for those aged ≥60 years. CONCLUSIONS: Increasing age (especially >60 years) may be the most important risk factor for severe outcomes. High-quality primary research accounting for multiple confounders is needed to better understand the magnitude of associations for severity of COVID-19 with several other factors. PROSPERO REGISTRATION NUMBER: CRD42020198001.
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 | 0,020 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,019 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».