Global burden of acute myocardial injury associated with COVID-19: A systematic review, meta-analysis, and meta-regression
Notice bibliographique
Résumé
BACKGROUND: The body of evidence showed that there is a strong correlation between acute myocardial Injury and COVID-19 infection. However, the link between acute myocardial infection and COVID-19, the prevalence, reliability of diagnostic modalities, independent predictors, and clinical outcomes are still uncertain and a topic of debate. The current study was designed to determine the prevalence, determinants, and outcomes of acute myocardial injury based on a systematic review and meta-analysis the global published peer-reviewed works of literature. METHODS: A comprehensive search was conducted in PubMed/Medline; Science direct, CINHAL, and LILACS from December 2019 to May 2021. All observational studies reporting the prevalence of AMI were included while case reports and reviews were excluded. The data were extracted with two independent authors in a customized format. The methodological quality of included studies was evaluated using the Newcastle-Ottawa appraisal tool. RESULTS: A total of 397 articles were identified from different databases. Thirty-seven Articles with 21, 204 participants were included while seven studies were excluded. The meta-analysis revealed that the pooled prevalence of myocardial injury during the COVID-19 pandemic was 22.33 % (95 % CI: 17.86 to 26.81, 37). CONCLUSION: Our meta-analysis showed that mortality among patients with an acute myocardial injury during COVID-19 was more than four times more likely as compared to those without AMI. This necessitates a mitigating strategy to prevent and manage before its clinical outcomes getting worse.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,033 | 0,005 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».