Risk of Severe COVID-19 Increased by Metabolic Dysfunction-associated Fatty Liver Disease
Notice bibliographique
Résumé
BACKGROUND: The prevalence of metabolic dysfunction-associated fatty liver disease (MAFLD) in coronavirus disease-2019 (COVID-19) patients and whether it affects the outcomes of COVID-19 requires investigation. GOALS: The aim was to determine the prevalence of MAFLD among COVID-19 patients and its influence on the outcomes of COVID-19 by meta-analysis. METHODS: Our study protocol has been registered on PROSPERO (CRD42021242243). The studies published on PubMed, Embase, Cochrane Library, and Web of Science before March 11, 2021 were screened. The Newcastle-Ottawa scale (NOS) and Agency for Healthcare Research and Quality scale were used to assess the quality of the studies. Pooled analysis was conducted using the software RevMan version 5.3 and Stata version 15.0 SE. The stability of the results was assessed by sensitivity analysis. Publication bias was evaluated using funnel plots, Egger test, and trim-and-fill analysis. RESULTS: Seven studies covering 2141 COVID-19 patients were included. It was confirmed that MAFLD increased the risk of severe COVID-19 (odds ratios: 1.80, 95% confidence interval: 1.53-2.13, P<0.00001). No association was found between the presence of MAFLD and the occurrence of COVID-19 death. The pooled prevalence of MAFLD among COVID-19 patients was 36% (95% confidence interval: 0.23-0.49, P<0.00001). Sensitivity analysis confirmed that the initial results were stable. CONCLUSIONS: MAFLD can increase the incidence of severe COVID-19, but the correlation between MAFLD and COVID-19 death has not been confirmed. Further investigation is needed to explore the possible mechanism of this association. Since MAFLD is common among patients infected with SARS-CoV-2, more care should be given to COVID-19 patients with underlying MAFLD.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».