Asymptomatic SARS-CoV-2 infection: A systematic review and 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
Quantification of asymptomatic infections is fundamental for effective public health responses to the COVID-19 pandemic. Discrepancies regarding the extent of asymptomaticity have arisen from inconsistent terminology as well as conflation of index and secondary cases which biases toward lower asymptomaticity. We searched PubMed, Embase, Web of Science, and World Health Organization Global Research Database on COVID-19 between January 1, 2020 and April 2, 2021 to identify studies that reported silent infections at the time of testing, whether presymptomatic or asymptomatic. Index cases were removed to minimize representational bias that would result in overestimation of symptomaticity. By analyzing over 350 studies, we estimate that the percentage of infections that never developed clinical symptoms, and thus were truly asymptomatic, was 35.1% (95% CI: 30.7 to 39.9%). At the time of testing, 42.8% (95% prediction interval: 5.2 to 91.1%) of cases exhibited no symptoms, a group comprising both asymptomatic and presymptomatic infections. Asymptomaticity was significantly lower among the elderly, at 19.7% (95% CI: 12.7 to 29.4%) compared with children at 46.7% (95% CI: 32.0 to 62.0%). We also found that cases with comorbidities had significantly lower asymptomaticity compared to cases with no underlying medical conditions. Without proactive policies to detect asymptomatic infections, such as rapid contact tracing, prolonged efforts for pandemic control may be needed even in the presence of vaccination.
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 | 0,009 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,000 | 0,004 |
| 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 | 0,000 |
| 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 découle