Occurrence of SARS-CoV-2 infection among healthcare personnel: results from an early systematic review and meta-analysis.
Notice bibliographique
Résumé
BACKGROUND: SARS-CoV-2 infection has become a global public health concern globally. Even though Healthcare Workers (HCWs) are supposedly at increased risk for SARS-CoV-2 infection, to date no pooled evidence has been collected. MATERIALS AND METHODS: We searched online electronic databases (PubMed, Embase, medRxiv.org for pre-prints) for all available contribution (up to May 20, 2019). Two Authors independently screened articles and extracted the data. The pooled prevalence of SARS-CoV-2 was analyzed using the random-effects model. The possible sources of heterogeneity were analyzed through subgroup analysis, and meta-regression. RESULTS: The overall pooled prevalence of SARS-CoV-2 was 3.5% (95%CI 1.8-6.6) for studies based on molecular assays, 5.5% (95%CI 2.1-14.1) for studies based on serological assays, and 6.5% (95%CI 2.5-15.6) for point-of-care capillary blood tests. Among subgroups, serological tests identified higher risk for SARS-CoV-2 seropositivity in physicians than in nurses (OR 1.436, 95%CI 1.026 to 2.008). Regression analysis indicated the possible presence of publication bias only for molecular tests (t -3.3526, p-value 0.002648). CONCLUSIONS: The overall pooled prevalence of SARS-CoV-2 was lower than previously expected, but available studies were affected by significant heterogeneity, and the molecular studies by significant publication bias. Therefore, further high-quality research in the field is warranted.
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 | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,041 |
| Bibliométrie | 0,009 | 0,008 |
| 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 | 0,001 |
| 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 ».