A look back at the first wave of COVID-19 in China: A systematic review and meta-analysis of mortality and health care resource use among severe or critical patients
Notice bibliographique
Résumé
BACKGROUND: To investigate the mortality and health care resource use among patients with severe or critical coronavirus disease of 2019 (COVID-19) in the first wave of pandemic in China. METHODS: We performed a systematic review and meta-analysis to investigate the mortality, discharge rate, length of hospital stay, and use of invasive ventilation in severe or critical COVID-19 cases in China. We searched electronic databases for studies from China with no restrictions on language or interventions patients received. We screened records, extracted data and assessed the quality of included studies in duplicate. We performed the meta-analysis using random-effect models through a Bayesian framework. Subgroup analyses were conducted to examine studies by disease severity, study location and patient enrolment start date. We also performed sensitivity analysis using various priors, and assessed between-study heterogeneity and publication bias for the primary outcomes. RESULTS: Out of 6,205 titles and abstracts screened, 500 were reviewed in full text. A total of 42 studies were included in the review, of which 95% were observational studies (n = 40). The pooled 28-day and 14-day mortalities among severe or critical patients were 20.48% (7,136 patients, 95% credible interval (CrI), 13.11 to 30.70) and 10.83% (95% CrI, 6.78 to 16.75), respectively. The mortality declined over time and was higher in patients with critical disease than severe cases (1,235 patients, 45.73%, 95% CrI, 22.79 to 73.52 vs. 3,969 patients, 14.90%, 95% CrI, 4.70 to 39.57) and patients in Hubei compared to those outside Hubei (6,719 patients, 26.62%, 95% CrI, 13.11 to 30.70 vs. 244 patients, 5.88%, 95% CrI 2.03 to 14.11). The length of hospital stay was estimated at 18.48 days (6,847 patients, 95% CrI, 17.59 to 21.21), the 28-day discharge rate was 50.48% (3,645 patients, 95% CrI, 26.47 to 79.53), and the use of invasive ventilation rate was 13.46% (4,108 patients, 95% CrI, 7.61 to 22.31). CONCLUSIONS: Our systematic review and meta-analysis found high mortality among severe and critical COVID-19 cases. Severe or critical COVID-19 cases consumed a large amount of hospital resources during the outbreak.
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 | 0,018 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».