The Impact of Vitamin D Deficiency on the Severity of Symptoms and Mortality Rate among Adult Patients with Covid-19: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: We aimed to study the prevalence of vitamin D deficiency (VDD) in patients with COVID-19 infection and evaluate the impact of vitamin D levels on the severity of symptoms and the case fatality rate. Evidence Acquisition: A comprehensive literature search was performed up to December 20, 2020, using the following databases: MEDLINE, PubMed, EMBASE, SCOPUS, Web of Science, and preprint databases (BioRxiv and MedRxiv). Any individual observational study related to the prevalence and impact of vitamin D deficiency/insufficiency (VDD/VDI) on the severity of COVID-19 symptoms and mortality rates was included. No language restrictions were applied, and both published and non-published studies were included. Evidence Synthesis: Two of the authors independently performed the literature search and assessed the eligibility of studies. The quality of studies included was assessed using the Newcastle–Ottawa Scale. Data were analyzed using the Review Manager Software (version 5) and Comprehensive Meta-analysis Software (version 3). A total of 43 studies were included with a sample size of 254,963 patients with COVID-19. Pooled analysis showed a higher prevalence of VDD and VDI in patients with COVID-19 (59.0% and 40.1%, respectively). Moreover, a significant association was noticed between vitamin D levels and severity of symptoms (odds ratio [OR] = 3.38, 95% confidence interval [CI]: 1.94–5.87, P < 0.0001), as well as the case fatality rate (OR = 2.30, 95% CI: 1.47–3.59, P < 0.00001). Conclusions: VDD is highly prevalent in patients with COVID-19 infection. Lower vitamin D levels correlate with disease severity and poor prognosis although most of the data have been derived from moderate-quality observational studies.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».