How common are taste and smell abnormalities in COVID-19? A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Olfactory and gustatory dysfunction (OGD) are important early clinical symptoms of COVID-19. We aim to calculate the pooled prevalence of these symptoms and discuss the likely implications on clinical practice such as their use as screening tools and potential prognosis indicators. METHODS: Using a combination of keywords and medical subject headings, we searched for observational studies in the following five databases: Medline/PubMed, Scopus, Cochrane Library, Web of Science, and Google Scholar. Two authors independently screened and selected the final articles according to the inclusion criteria. Two investigators independently assessed the risk of bias in individual studies using the Newcastle-Ottawa Scale. Heterogeneity and publication bias were also assessed. The reported outcome of the pooled analysis was the prevalence of OGD calculated using a random-effect model. Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines were followed to report results. RESULTS: Seventeen studies with a total sample size of 4149 were included in this meta-analysis. Out of these, 2106 and 2676 patients reported some degree of olfactory and/or gustatory dysfunction with COVID-19, respectively. The reported outcomes were in terms of pooled prevalence, with gustatory dysfunction being 57.33% and olfactory dysfunction being 59.69%, a significantly high occurrence. CONCLUSION: There is a high occurrence of smell and taste impairment in COVID-19. Given the lack of objective testing for detecting OGD in most studies, the high prevalence found is likely to be an underestimation of the true prevalence. This implies that physicians must use them as reliable early indicators of COVID-19 and employ them before using expensive tests.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».