Impact of cancer diagnoses on the outcomes of patients with COVID-19: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 has caused significant mortality and morbidity across the globe. Patients with cancer are especially vulnerable given their immunocompromised state. We aimed to determine the proportion of COVID-19 patients with cancer, their severity and mortality outcomes through a systematic review and meta-analysis (MA). METHODS: Systematic review was performed through online databases, PubMed, Medline and Google Scholar, with keywords listed in the Methods section (1 November 2019-31 December 2020). Studies with clinical outcomes of at least 10 COVID-19 patients and at least one with a diagnosis of cancer were included. The studies for MA were assessed with PRISMA guidelines and appraised with Newcastle-Ottawa Scale. The data were pooled using a random-effects model using STATA software. The main outcomes were planned before data collection, including proportion of patients with cancer among COVID-19 populations, relative risk (RR) of severe outcomes and death of patients with cancer compared with general COVID-19 patients. RESULTS: =97.69%, p<0.001). The pooled RR of death was 1.44 (95% CI 1.19 to 1.76) between patients with cancer and the general population with COVID-19 infection. The pooled RR of severe outcome was 1.49 (95% CI 1.18 to 1.87) between cancer and general COVID-19 patients. The presence of lung cancer and stage IV cancer did not result in significantly increased RR of severe outcome. Among the available IPD, only age and gender were associated with severe outcomes. CONCLUSION: Patients with cancer were at a higher risk of severe and death outcomes from COVID-19 infection as compared with general COVID-19 populations. Limitations of this study include publication bias. A collaborative effort is required for a more complete database.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».