MétaCan
Menu
Retour à la cohorte
Enregistrement W3163007718 · doi:10.1101/2021.05.09.21256929

The Influence of Coronavirus Disease-2019 (COVID-19) On Parkinson’s Disease: An Updated Systematic Review

2021· preprint· en· W3163007718 sur OpenAlexaff
Vikash Jaiswal, Danah Alquraish, Zouina Sarfraz, Shavy Nagpal, Prakriti Singh Shrestha, Dattatreya Mukherjee, Prathima Guntipalli, Azza Sarfraz, Diana Sánchez, Arushee Bhatnagar, Saloni Savani, Elmjedina Halilaj, Samir Ruxmohan, Wilson Cueva

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensSt. Joseph’s Healthcare HamiltonPrograms for Assessment of Technology in Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésCytokine stormMedicineDiseaseSystematic reviewMultiple sclerosisParkinson's diseasePandemicIntensive care medicineCochrane LibraryCoronavirus disease 2019 (COVID-19)ImmunologyMEDLINEInternal medicineMeta-analysisBiologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Background COVID-19 has affected global communities with multiple neurological complications in addition to other critical medical issues. COVID-19 binds to the host’s angiotensin-converting enzyme2 (ACE2) receptors, which are expressed in the neurons and glial cells, acting as an entry port to the central nervous system (CNS). ACE2 receptors are abundantly expressed on dopamine neurons, which may worsen the prognosis of motor symptoms in Parkinson’s disease (PD). SARS-CoV-2 may lead to an indirect response via immune-mediated cytokine storms and propagate through the CNS leading to damage. PD is also been associated with certain post-viral infections apart from COVID-19, such as HSV, Influenzavirus A, Measles virus, Cytomegalovirus, and Mumps. Objective In this systematic review, we aim to provide a thorough analysis of associations between COVID-19 and neurological outcomes for patients with PD. Methods Using PRISMA statement 2020, a systematic review was conducted to isolate confirmed COVID-19 patients and analyze the PD-associated neurological outcomes. A systematic literature search was conducted using the following databases: PubMed, Science Direct, Google Scholar, and Cochrane databases. The following keywords were used “COVID19, SARS-CoV-2, Parkinson’s disease, Pandemic, Mortality.” A modified Delphi process was employed to include the studies and ensure that the clinical outcome measures were addressed. Results Of the 355 records located during the initial round of screening, 16 were included in the final synthesis. Of PD patients who tested positive for SARS-CoV-2, worsening motor symptoms and other viral-associated symptoms were reported. These symptoms included bradykinesia, tremors, gait disturbances, delirium and dementia, and severe spasms of arms and legs. Encephalopathy was presented in two of the included studies. Increased mortality rates were identified for hospitalized patients due to COVID-19 and PD as compared to other patient groups, albeit with limited generalizability due to high bias of included studies. Conclusion Patients with PD may experience substantial worsening of motor and non-motor symptoms due to COVID 19. Given the novelty of neurological-viral associations, clinical studies in the future ought to explore the disease severity and neurological outcomes in COVID-19 positive patients with PD as compared to non-PD patients, in addition to understanding the role of ACE2 in increased vulnerability to contracting the infection and as a treatment modality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,010
Bibliométrie0,0110,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,358
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetLong-Term Effects of COVID-19Travaux en français237 207