The collateral damage of COVID-19 to cardiovascular services: a meta-analysis
Notice bibliographique
Résumé
AIMS: The effect of the COVID-19 pandemic on care and outcomes across non-COVID-19 cardiovascular (CV) diseases is unknown. A systematic review and meta-analysis was performed to quantify the effect and investigate for variation by CV disease, geographic region, country income classification and the time course of the pandemic. METHODS AND RESULTS: From January 2019 to December 2021, Medline and Embase databases were searched for observational studies comparing a pandemic and pre-pandemic period with relation to CV disease hospitalisations, diagnostic and interventional procedures, outpatient consultations, and mortality. Observational data were synthesised by incidence rate ratios (IRR) and risk ratios (RR) for binary outcomes and weighted mean differences for continuous outcomes with 95% confidence intervals. The study was registered with PROSPERO (CRD42021265930). A total of 158 studies, covering 49 countries and 6 continents, were used for quantitative synthesis. Most studies (80%) reported information for high-income countries (HICs). Across all CV disease and geographies there were fewer hospitalisations, diagnostic and interventional procedures, and outpatient consultations during the pandemic. By meta-regression, in low-middle income countries (LMICs) compared to HICs the decline in ST-segment elevation myocardial infarction (STEMI) hospitalisations (RR 0.79, 95% confidence interval [CI] 0.66-0.94) and revascularisation (RR 0.73, 95% CI 0.62-0.87) was more severe. In LMICs, but not HICs, in-hospital mortality increased for STEMI (RR 1.22, 95% CI 1.10-1.37) and heart failure (RR 1.08, 95% CI 1.04-1.12). The magnitude of decline in hospitalisations for CV diseases did not differ between the first and second wave. CONCLUSIONS: There was substantial global collateral CV damage during the COVID-19 pandemic with disparity in severity by country income classification.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,013 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».