MétaCan
Menu
Retour à la cohorte
Enregistrement W4283789196 · doi:10.3389/fnut.2022.925606

Prevalence of Sarcopenia in Patients With COVID-19: A Systematic Review and Meta-Analysis

2022· review· en· W4283789196 sur OpenAlexaboutno aff
Ying Xu, Jiawen Xu, You Peng, Bing‐Long Wang, Chao Liu, Ching-Wen Chien, Tao‐Hsin Tung

Notice bibliographique

RevueFrontiers in Nutrition · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaMeta-analysisMedicineCochrane LibraryMEDLINESystematic reviewObservational studyConfidence intervalPopulationCohort studyOdds ratioInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background It has been speculated that patients with sarcopenia are aggravated by the current novel coronavirus disease 2019 (COVID-19) epidemic. However, there is substantial uncertainty regarding the prevalence of sarcopenia in patients with COVID-19. Objectives The purpose of the study was to systematically evaluate the prevalence of sarcopenia in patients with COVID-19, including stratification by gender, study location, study population, study design, and diagnostic criteria. Design This is the systematic literature review and meta-analysis. Methods An electronic search was performed in MEDLINE/PubMed, Embase, Cochrane Library, and Web of Science and Scopus to identify observational studies reporting a prevalence estimate for sarcopenia in patients with COVID-19. Studies were reviewed in accordance with the Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) guidelines and a meta-analysis was performed. Risk of bias (RoB) was assessed using the Newcastle–Ottawa Scale (NOS) for cohort studies and Joanna Briggs Institute (JBI) manual for cross-sectional studies, and Stata 14.0 was used to perform meta-analyses. Results A total of 4,639 studies were initially identified. After removing the duplicates and applying the selection criteria, we reviewed 151 full-text studies. A total of 21 studies, including 5,407 patients, were eligible for inclusion in this review finally. The prevalence of sarcopenia in patients with COVID-19 in individual studies varied from 0.8 to 90.2%. The pooled prevalence of sarcopenia in COVID-19 was 48.0% (95% confidence interval, CI: 30.8 to 65.1%, I 2 = 99.68%, p = 0.000). We did not find any significant differences in the prevalence estimates between gender specificity (OR = 1.34; 95% CI = 0.80–2.26; p = 0.001). By sex, the prevalence was 42.5% (95% CI: 31.7 to 53.4%) in men and 35.7% (95% CI: 24.2 to 47.2%) in women. The prevalence estimates significantly varied based on population settings and different diagnostic criteria of sarcopenia. ICU patients (69.7, 95% CI: 51.7 to 85.2%) were more likely to suffer from sarcopenia compared to other population settings. Conclusion To our knowledge, this is the first meta-analysis reporting on the prevalence of sarcopenia in patients with COVID-19. Sarcopenia is frequently observed in patients with COVID-19, with varying prevalence across population settings. This study would be useful for clinicians to prompt the increasing awareness of identifying sarcopenia and developing interventions at patients with COVID-19 with high risk of sarcopenia. Further prospective longitudinal studies to define the association of sarcopenia and its prognostic outcomes in COVID-19 survivors are urgently needed to propose the most appropriate treatment strategies during their admission and discharge. Systematic Review Registration [ www.crd.york.ac.uk/prospero/ ], identifier [CRD42022300431].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,888

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,379
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NutritionMême sujetNutrition and Health in AgingTravaux en français237 207