MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221112245 · doi:10.21203/rs.3.rs-1472028/v1

Outcome of Gynecologic Cancer Patients With The Covid-19 Infection : A Systematic Review And Meta Analysis

2022· review· en· W4221112245 sur OpenAlexaboutno aff
I Gde Sastra Winata, Januar Simatupang, Arie Adrianus Polim, Yakob Togar, Advenny Elisabeth Tondang

Notice bibliographique

RevueResearch Square · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas IndonesiaUniversitas Udayana
Mots-clésMeta-analysisCoronavirus disease 2019 (COVID-19)MedicineGynecologic cancerSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCancerCervical cancerOutcome (game theory)Systematic reviewIntensive care medicineVirologyOncologyMEDLINEInternal medicineOvarian cancerBiologyDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Objective Cancer is comorbidity, which can lead to progressive worsening of Covid-19 with increased mortality. This is a systematic review and meta-analysis to get evidence of adverse outcomes of Covid-19 in gynecologic cancer. Methods Searches through PubMed, Google Scholar, ScienceDirect, and medRxiv to find articles on the outcome of gynecologic cancer with Covid-19 (24 July 2021-19 February 2022). Newcastle-Ottawa Scale tool used to evaluate the quality of included studies. Pooled odds ratio (OR), 95% confidence interval (CI), random-effects model were presented. This study was registered to PROSPERO (CRD42021256557). Results We accepted 49 studies with (1994 gynecologic cancer with Covid-19). Covid-19 infection was lower in gynecologic cancer vs hematologic cancer (OR 0.71, CI 0.56–0.89, p 0.003). Severe Covid and death were lower in gynecologic cancer vs lung and hematologic cancer (OR 0.36, CI 0.16–0.80, p 0.01), (OR 0.26, CI 0.10–0.67 p 0.005), (OR 0.52, CI 0.43–0.63, p < 0.0001), (OR 0.65, CI 0.49–0.87, p 0.003) respectively. Increased Covid death is seen in gynecologic cancer vs breast, non-covid cancer, and non-cancer covid (OR 1.51, CI 1.20–1.90, p 0.0004), (OR 12.21, CI 8.39–17.77, p < 0.0001), (OR 3.06, CI 2.32–4.04, p < 0.0001) respectively. Conclusion Gynecologic cancer had increased Covid-19 adverse outcomes compared to non-cancer, breast cancer, non-metastatic, and Covid-19 negative population. Gynecologic cancer had lowered Covid-19 adverse outcomes compared to other cancer types, lung cancer, and hematologic cancer. Lack of age and comorbidities stratification due to limited data were limitations. These findings may aid health policies and services during the ongoing global pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,025
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0190,043
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,442
Tête enseignante GPT0,587
Écart entre enseignants0,145 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→