MétaCan
Menu
Retour à la cohorte
Enregistrement W3191606168 · doi:10.1161/strokeaha.121.034601

Changes in Stroke Hospital Care During the COVID-19 Pandemic: A Systematic Review and Meta-Analysis

2021· review· en· W3191606168 sur OpenAlexaff
Aristeidis H. Katsanos, Lina Palaiodimou, Ramin Zand, Shadi Yaghi, Hooman Kamel, Babak B. Navi, Guillaume Turc, Vassiliki Benetou, Vijay K. Sharma, Dimitris Mavridis, Shima Shahjouei, Luciana Catanese, Ashkan Shoamanesh, Κonstantinos Vadikolias, Konstantinos Tsioufis, Παγώνα Λάγιου, Petros P. Sfikakis, Andrei V. Alexandrov, Sotirios Tsiodras, Georgios Tsivgoulis

Notice bibliographique

RevueStroke · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensPopulation Health Research Institute
Organismes subventionnairesNational Institute of Neurological Disorders and Stroke
Mots-clésMedicinePandemicStroke (engine)Coronavirus disease 2019 (COVID-19)Meta-analysis2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MEDLINEBetacoronavirusEmergency medicineIntensive care medicineVirologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Background and Purpose: We systematically evaluated the impact of the coronavirus 2019 (COVID-19) pandemic on stroke care across the world. Methods: Observational studies comparing characteristics, acute treatment delivery, or hospitalization outcomes between patients with stroke admitted during the COVID-19 pandemic and those admitted before the pandemic were identified by Medline, Scopus, and Embase databases search. Random-effects meta-analyses were conducted for all outcomes. Results: We identified 46 studies including 129 491 patients. Patients admitted with stroke during the COVID-19 pandemic were found to be younger (mean difference, −1.19 [95% CI, −2.05 to −0.32]; I 2 =70%) and more frequently male (odds ratio, 1.11 [95% CI, 1.01–1.22]; I 2 =54%) compared with patients admitted with stroke in the prepandemic era. Patients admitted with stroke during the COVID-19 pandemic, also, had higher baseline National Institutes of Health Stroke Scale scores (mean difference, 0.55 [95% CI, 0.12–0.98]; I 2 =90%), higher probability for large vessel occlusion presence (odds ratio, 1.63 [95% CI, 1.07–2.48]; I 2 =49%) and higher risk for in-hospital mortality (odds ratio, 1.26 [95% CI, 1.05–1.52]; I 2 =55%). Patients with acute ischemic stroke admitted during the COVID-19 pandemic had higher probability of receiving endovascular thrombectomy treatment (odds ratio, 1.24 [95% CI, 1.05–1.47]; I 2 =40%). No difference in the rates of intravenous thrombolysis administration or difference in time metrics regarding onset to treatment time for intravenous thrombolysis and onset to groin puncture time for endovascular thrombectomy were detected. Conclusions: The present systematic review and meta-analysis indicates an increased prevalence of younger patients, more severe strokes attributed to large vessel occlusion, and higher endovascular treatment rates during the COVID-19 pandemic. Patients admitted with stroke during the COVID-19 pandemic had higher in-hospital mortality. These findings need to be interpreted with caution in view of discrepant reports and heterogeneity being present across studies.

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)0,012
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,032
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0170,039
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,068
Tête enseignante GPT0,379
Écart entre enseignants0,311 · 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'étudeMéta-analyse
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

Citations48
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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