Effects of Vitamin D Supplementation on COVID-19 Related Outcomes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
The COVID-19 outbreak has rapidly expanded to a global pandemic; however, our knowledge is limited with regards to the protective factors against this infection. The aim of this systematic literature review and meta-analysis was to evaluate the impact of vitamin D supplementation on COVID-19 related outcomes. A systematic search of relevant papers published until January 2022 was conducted to identify randomized controlled trials (RCTs) and non-randomized studies of intervention (NRISs). The primary outcomes included the risk of COVID-19 infection (primary prevention studies on uninfected individuals), hospital admission (secondary prevention studies on mild COVID-19 cases), and ICU admission and mortality rate (tertiary prevention studies on hospitalized COVID-19 patients). We identified five studies (one RCT, four NRISs) on primary prevention, with five (two RCTs, three NRISs) on secondary prevention, and 13 (six RCTs, seven NRISs) on tertiary prevention. Pooled analysis showed no significant effect on the risk of COVID-19 infection. No meta-analysis was possible on hospitalization risk due to paucity of data. Vitamin D supplementation was significantly associated with a reduced risk of ICU admission (RR = 0.35, 95% CI: 0.20, 0.62) and mortality (RR = 0.46, 95% CI: 0.30, 0.70). Vitamin D supplementation had no significant impact on the risk of COVID-19 infection, whereas it showed protective effects against mortality and ICU admission in COVID-19 patients.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».