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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».