The risk of contracting SARS-CoV-2 or developing COVID-19 for people with cancer: A systematic review of the early evidence
Notice bibliographique
Résumé
BACKGROUND: The early COVID-19 literature suggested that people with cancer may be more likely to be infected with SARS-CoV-2 or develop COVID-19 than people without cancer, due to increased health services contact and/or immunocompromise. While some studies were criticised due to small patient numbers and methodological limitations, they created or reinforced concerns of clinicians and people with cancer. These risks are also important in COVID-19 vaccine prioritisation decisions. We performed a systematic review to critically assess and summarise the early literature. METHODS AND FINDINGS: We conducted a systematic search of Medline/Embase/BioRxiv/MedRxiv/SSRN databases including peer-reviewed journal articles, letters/commentaries, and non-peer-reviewed pre-print articles for 1 January-1 July 2020. The primary endpoints were diagnosis of COVID-19 and positive SARS-CoV-2 test. We assessed risk of bias using a tool adapted from the Newcastle-Ottawa Scale. Twelve studies were included in the quantitative synthesis. All four studies of COVID-19 incidence (including 24,181,727 individuals, 125,649 with pre-existing cancer) reported that people with cancer had higher COVID-19 incidence rates. Eight studies reported SARS-CoV-2 test positivity for > 472,000 individuals, 48,370 with pre-existing cancer. Seven of these studies comparing people with any and without cancer, were pooled using random effects [pooled odds ratio 0.91, 95 %CI: 0.57-1.47; unadjusted for age, sex, or comorbidities]. Two studies suggested people with active or haematological cancer had lower risk of a positive test. All 12 studies had high risk of bias; none included universal or random COVID-19/SARS-CoV-2 testing. CONCLUSIONS: The early literature on susceptibility to SARS-CoV-2/COVID-19 for people with cancer is characterised by pervasive biases and limited data. To provide high-quality evidence to inform decision-making, studies of risk of SARS-CoV-2/COVID-19 for people with cancer should control for other potential modifiers of infection risk, including age, sex, comorbidities, exposure to the virus, protective measures taken, and vaccination, in addition to stratifying analyses by cancer type, stage at diagnosis, and treatment received.
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 | 0,017 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».