MétaCan
Menu
Retour à la cohorte
Enregistrement W4225141633 · doi:10.1186/s41256-022-00245-3

Reinfection in patients with COVID-19: a systematic review

2022· review· en· W4225141633 sur OpenAlexaffabout
Xiangying Ren, Jie Zhou, Jing Guo, Chunmei Hao, Mengxue Zheng, Rong Zhang, Qiao Huang, Xiaomei Yao, Ruiling Li, Yinghui Jin

Notice bibliographique

RevueGlobal Health Research and Policy · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésMedicineCochrane LibraryMeta-analysisInternal medicinePublic healthSystematic reviewPandemicCritical appraisalMEDLINECoronavirus disease 2019 (COVID-19)ImmunologyDiseaseAlternative medicinePathologyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: With the continuation of the COVID-19 pandemic, some COVID-19 patients have become reinfected with the virus. Viral gene sequencing has found that some of these patients were reinfected by the different and others by same strains. This has raised concerns about the effectiveness of immunity after infection and the reliability of vaccines. To this end, we conducted a systematic review to assess the characteristics of patients with reinfection and possible causes. METHODS: A systematic search was conducted across eight databases: PubMed, Embase, Web of Science, The Cochrane Library, CNKI, WanFang, VIP and SinoMed from December 1, 2019 to September 1, 2021. The quality of included studies were assessed using JBI critical appraisal tools and Newcastle-Ottawa Scale. RESULTS: This study included 50 studies from 20 countries. There were 118 cases of reinfection. Twenty-five patients were reported to have at least one complication. The shortest duration between the first infection and reinfection was 19 days and the longest was 293 days. During the first infection and reinfection, cough (51.6% and 43.9%) and fever (50% and 30.3%) were the most common symptoms respectively. Nine patients recovered, seven patients died, and five patients were hospitalized, but 97 patients' prognosis were unknown. B.1 is the most common variant strain at the first infection. B.1.1.7, B.1.128 and B.1.351 were the most common variant strains at reinfection. Thirty-three patients were infected by different strains and 9 patients were reported as being infected with the same strain. CONCLUSIONS: Our research shows that it is possible for rehabilitated patients to be reinfected by SARS-COV-2. To date, the causes and risk factors of COVID-19 reinfection are not fully understood. For patients with reinfection, the diagnosis and management should be consistent with the treatment of the first infection. The public, including rehabilitated patients, should be fully vaccinated, wear masks in public places, and pay attention to maintaining social distance to avoid reinfection with the virus.

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)0,007
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
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 Opus0,219
Tête enseignante GPT0,568
Écart entre enseignants0,349 · 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'étudeRevue systématique
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

Citations114
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Health Research and PolicyMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207