Self‐reported olfactory and gustatory dysfunction and psychophysical testing in screening for COVID‐19: A systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: A substantial proportion of coronavirus disease-2019 (COVID-19) patients demonstrate olfactory and gustatory dysfunction (OGD). Self-reporting for OGD is widely used as a predictor of COVID-19. Although psychophysical assessment is currently under investigation in this role, the sensitivity of these screening tests for COVID-19 remains unclear. In this systematic review we assess the sensitivity of self-reporting and psychophysical tests for OGD. METHODS: A systematic search was performed on PubMed, EMBASE, and ClinicalTrials.gov from inception until February 16, 2021. Studies of suspected COVID-19 patients with reported smell or taste alterations were included. Data were pooled for meta-analysis. Sensitivity, specificity, and diagnostic odds ratio (DOR) were reported in the outcomes. RESULTS: In the 50 included studies (42,902 patients), self-reported olfactory dysfunction showed a sensitivity of 43.9% (95% confidence interval [CI], 37.8%-50.2%), a specificity of 91.8% (95% CI, 89.0%-93.9%), and a DOR of 8.74 (95% CI, 6.67-11.46) for predicting COVID-19 infection. Self-reported gustatory dysfunction yielded a sensitivity of 44.9% (95% CI, 36.4%-53.8%), a specificity of 91.5% (95% CI, 87.7%-94.3%), and a DOR of 8.83 (95% CI, 6.48-12.01). Olfactory psychophysical tests analysis revealed a sensitivity of 52.8% (95% CI, 25.5%-78.6%), a specificity of 88.0% (95% CI, 53.7%-97.9%), and a DOR of 8.18 (95% CI, 3.65-18.36). One study used an identification test for gustatory sensations assessment. CONCLUSION: Although demonstrating high specificity and DOR values, neither self-reported OGD nor unvalidated and limited psychophysical tests were sufficiently sensitive in screening for COVID-19. They were not suitable adjuncts in ruling out the disease.
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 | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,036 |
| Bibliométrie | 0,006 | 0,006 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».