Global and Regional Prevalence and Outcomes of COVID-19 in People Living with HIV: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: The relationship between HIV (human immunodeficiency virus) and COVID-19 clinical outcome is uncertain, with conflicting data and hypotheses. We aimed to assess the prevalence of people living with HIV (PLWH) among COVID-19 cases and whether HIV infection affects the risk of severe COVID-19 or related death at the global and continental level. METHODS: Electronic databases were systematically searched in July 2021. In total, 966 studies were screened following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Narratives were synthesised and data pooled for the global and continental prevalence of HIV-SARS-CoV-2 coinfection. The relative risks of severity and mortality in HIV-infected COVID-19 patients were computed using a random-effect model. Risk of bias was assessed using the Newcastle-Ottawa score and Egger's test, and presented as funnel plots. RESULTS: In total, 43 studies were included involving 692,032 COVID-19 cases, of whom 9097 (1.3%) were PLWH. The global prevalence of PLWH among COVID-19 cases was 2% (95% CI = 1.7-2.3%), with the highest prevalence observed in sub-Saharan Africa. The relative risk (RR) of severe COVID-19 in PLWH was significant only in Africa (RR = 1.14, 95% CI = 1.05-1.24), while the relative risk of mortality was 1.5 (95% CI = 1.45-2.03) globally. The calculated global risk showed that HIV infection may be linked with increased COVID-19 death. The between-study heterogeneity was significantly high, while the risk of publication bias was not significant. CONCLUSIONS: Although there is a low prevalence of PLWH among COVID-19 cases, HIV infection may increase the severity of COVID-19 in Africa and increase the risk of death globally.
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 | 0,001 | 0,049 |
| 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 | 0,000 |
| 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 ».