The mystery of COVID-19 reinfections: A global systematic review and meta-analysis of 577 cases
Notice bibliographique
Résumé
Abstract Background As the COVID-19 pandemic rages on, reports on disparities in vaccine roll out alongside reinfection and reactivation from previously recovered cases have been emerging. With newer waves and variants of COVID-19, we conducted a systematic review to assess the determinants and disease spectrum of COVID-19 reinfection. Methods A comprehensive search covering relevant databases was conducted for observational studies reporting Polymerase Chain Reaction (PCR) confirmed infection and reinfection cases. Quality assessment tool developed by the National Institute of Health (NIH) for assessment of case series was used. Meta-analyses were performed using RevMan 5.3 for pooled proportions of findings in first infection and reinfection with 95% confidence interval (CI). Results Eighty-one studies reporting 577 cases were included from 22 countries. The mean age of patients was 46.2±18.9 years with males accounting for 45.8% of the study population while 179 (31.0%) cases of comorbidities were reported. The average time duration between first infection and reinfection was 63.6±48.9 days. During first infection and reinfection, fever was the most common symptom (41.4% and 36.4%, respectively) whilst anti-viral therapy was the most common treatment regimen administered (44.5% and 43.0%, respectively). Overall, comparable odds of symptomatic presentation and management were reported in the two infections. However, a higher Intensive Care Unit (ICU) admission rate was observed in reinfection compared to first infection (10 vs 3). Ten deaths were reported with 565 patients fully recovering. Respiratory failure was the most common cause of death (7/10 deaths). Seventy-two studies were determined to be of good quality whilst nine studies were of fair quality. Conclusion As the first global-scale systematic review of its kind, our findings support immunization practices given increased ICU admissions and mortality in reinfections. Our cohort serves as a guide for clinicians and authorities for devising an optimal strategy for controlling the pandemic.
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 | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,030 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».