Association of dyslipidemia with the severity and mortality of coronavirus disease 2019 (COVID-19): a 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
Abstract Background The numbers of confirmed cases of coronavirus disease 2019 (COVID-19) and COVID-19 related deaths are still increasing, so it is very important to determine the risk factors of COVID-19. Dyslipidemia is a common complication in patients with COVID-19, but the association of dyslipidemia with the severity and mortality of COVID-19 is still unclear. The aim of this study is to analyze the potential association of dyslipidemia with the severity and mortality of COVID-19. Methods We searched the PubMed, Embase, MEDLINE, and Cochrane Library databases for all relevant studies up to August 24, 2020. All the articles published were retrieved without language restriction. All analysis was performed using Stata 13.1 software and Mantel–Haenszel formula with fixed effects models was used to compare the differences between studies. The Newcastle Ottawa scale was used to assess the quality of the included studies. Results Twenty-eight studies involving 12,995 COVID-19 patients were included in the meta-analysis, which was consisted of 26 cohort studies and 2 case–control studies. Dyslipidemia was associated with the severity of COVID-19 (odds ratio [OR] = 1.27, 95% confidence interval [CI] 1.11–1.44, P = 0.038, I 2 = 39.8%). Further, patients with dyslipidemia had a 2.13-fold increased risk of death compared to patients without dyslipidemia (95% CI 1.84–2.47, P = 0.001, I 2 = 66.4%). Conclusions The results proved that dyslipidemia is associated with increased severity and mortality of COVID-19. Therefore, we should monitor blood lipids and administer active treatments in COVID-19 patients with dyslipidemia to reduce the severity and mortality.
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 | 0,007 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle