Can we predict the severe course of COVID-19 - a systematic review and meta-analysis of indicators of clinical outcome?
Notice bibliographique
Résumé
BACKGROUND: COVID-19 has been reported in over 40million people globally with variable clinical outcomes. In this systematic review and meta-analysis, we assessed demographic, laboratory and clinical indicators as predictors for severe courses of COVID-19. METHODS: This systematic review was registered at PROSPERO under CRD42020177154. We systematically searched multiple databases (PubMed, Web of Science Core Collection, MedRvix and bioRvix) for publications from December 2019 to May 31st 2020. Random-effects meta-analyses were used to calculate pooled odds ratios and differences of medians between (1) patients admitted to ICU versus non-ICU patients and (2) patients who died versus those who survived. We adapted an existing Cochrane risk-of-bias assessment tool for outcome studies. RESULTS: Of 6,702 unique citations, we included 88 articles with 69,762 patients. There was concern for bias across all articles included. Age was strongly associated with mortality with a difference of medians (DoM) of 13.15 years (95% confidence interval (CI) 11.37 to 14.94) between those who died and those who survived. We found a clinically relevant difference between non-survivors and survivors for C-reactive protein (CRP; DoM 69.10 mg/L, CI 50.43 to 87.77), lactate dehydrogenase (LDH; DoM 189.49 U/L, CI 155.00 to 223.98), cardiac troponin I (cTnI; DoM 21.88 pg/mL, CI 9.78 to 33.99) and D-Dimer (DoM 1.29mg/L, CI 0.9 to 1.69). Furthermore, cerebrovascular disease was the co-morbidity most strongly associated with mortality (Odds Ratio 3.45, CI 2.42 to 4.91) and ICU admission (Odds Ratio 5.88, CI 2.35 to 14.73). DISCUSSION: This comprehensive meta-analysis found age, cerebrovascular disease, CRP, LDH and cTnI to be the most important risk-factors that predict severe COVID-19 outcomes and will inform clinical scores to support early decision-making.
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 | 0,011 | 0,225 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,037 | 0,007 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».