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 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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».