Non-COVID outcomes associated with the coronavirus disease-2019 (COVID-19) pandemic effects study (COPES): A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: As the Coronavirus Disease-2019 (COVID-19) pandemic continues, healthcare providers struggle to manage both COVID-19 and non-COVID patients while still providing high-quality care. We conducted a systematic review/meta-analysis to describe the effects of the COVID-19 pandemic on patients with non-COVID illness and on healthcare systems compared to non-pandemic epochs. METHODS: We searched Ovid MEDLINE/EMBASE/Cochrane Database of Systematic Reviews/CENTRAL/CINAHL (inception to December 31, 2020). All study types with COVID-pandemic time period (after December 31, 2019) with comparative non-pandemic time periods (prior to December 31, 2019). Data regarding study characteristics/case-mix/interventions/comparators/ outcomes (primary: mortality; secondary: morbidity/hospitalizations/disruptions-to-care. Paired reviewers conducted screening and abstraction, with conflicts resolved by discussion. Effect sizes for specific therapies were pooled using random-effects models. Risk of bias was assessed by Newcastle-Ottawa Scale, with evidence rating using GRADE methodology. RESULTS: Of 11,581 citations, 167 studies met eligibility. Our meta-analysis showed an increased mortality of 16% during the COVID pandemic for non-COVID illness compared with 11% mortality during the pre-pandemic period (RR 1.38, 95% CI: 1.28-1.50; absolute risk difference: 5% [95% CI: 4-6%], p<0.00001, very low certainty evidence). Twenty-eight studies (17%) reported significant changes in morbidity (where 93% reported increases), while 30 studies (18%) reported no significant change (very low certainty). Thirty-nine studies (23%) reported significant changes in hospitalizations (97% reporting decreases), while 111 studies (66%) reported no significant change (very low certainty). Sixty-two studies (37%) reported significant disruptions in standards-to-care (73% reporting increases), while 62 studies (37%) reported no significant change (very low certainty). CONCLUSIONS: There was a significant increase in mortality during the COVID pandemic compared to pre-pandemic times for non-COVID illnesses. When significant changes were reported, there was increased morbidity, decreased hospitalizations and increased disruptions in standards-of-care. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42020201256 (Sept 2, 2020).
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 | 0,022 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,045 |
| Bibliométrie | 0,009 | 0,008 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».