The Effect of HIV/AIDS Infection on the Clinical Outcomes of COVID-19: A Meta-Analysis
Notice bibliographique
Résumé
PURPOSE: Patients with HIV may be more likely to become severely ill from COVID-19. The present meta-analysis aims to determine the impact of HIV/AIDS infection on the clinical outcomes of COVID-19. METHODS: A comprehensive literature search was performed to identify relevant cohort studies to evaluate the association of HIV/AIDS infection with clinical outcomes of COVID-19. International databases, including PubMed (Medline), Web of Sciences, Scopus, and Embase, were searched from the emergence of the COVID-19 pandemic until January 2022. We utilized the risk ratio (RR) with its 95% confidence interval (95% CI) to quantify the effect of cohort studies. RESULTS: Twelve cohort studies were included in this meta-analysis, which examined a total number of 17,786,384 patients. Among them, 40,386 were identified to be HIV positive, and 17,745,998 were HIV negative. The pooled analyses showed HIV positive patients who were co-infected with SARS-CoV-2 were 58% more likely to develop a fever (RR=1.58; 95% CI: 1.42, 1.75), 24% more likely to have dyspnea (RR=1.24; 95% CI: 1.08, 1.41), 45% more likely to be admitted to ICU (RR=1.45; 95% CI: 1.26, 1.67), and 37% more likely to die from to COVID-19 (RR=1.37; 95% CI: 1.30, 1.45) than HIV negative patients. CONCLUSION: HIV/AIDS coinfection with COVID 19 increased the risk of fever, dyspnea, ICU admission, and mortality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,077 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».