Alterations in Human Semen After Infection with SARS-CoV-2: A Meta-analysis
Notice bibliographique
Résumé
Background: The purpose of the current study was to assess pooled prevalence (PP) of SARS-CoV-2 in semen and pooled estimates including weighted mean difference (WMD) and risk ratio (RR) of semen characteristics in infected cases as compared with healthy controls. Methods: Major databases were searched by two authors. SARS-CoV-2-positive cases were assigned to the exposed arm (group A), whereas the controls to the unex-posed (group B). Risk of bias was assessed with Newcastle-Ottawa Scale and PRISMA guidelines were followed. Random-effects model was employed for analyzing the heterogeneity and fixed-effects model for homogeneity of studies. Results: Of 170 studies, 14 studies were eligible involving 507 subjects (316 in group A, 191 in group B). The risk of bias was the highest for "comparability" domain. SARS-CoV-2 RNA was found in only two studies among 7 subjects (PP= 2.10%, 95%CI 0.58-4.42). There was a significant decrease in sperm concentration (WMD= -15.29, 95%CI -24.70 - -5.88) and total sperm in ejaculate (WMD= -47.58, 95%CI -86.40 - -8.75) in group A. The effect of COVID-19 upon progressive motility, ejaculate volume, and leukocyte presence in semen was not significant. Conclusion: Prevalence of SARS-CoV-2 in semen among the infected cases is low. Sexual transmission through semen is improbable and of little concern for public health. Sperm concentration and total sperm in ejaculate are significantly reduced as compared with controls. Due to limited information of the current research, longer follow-up is needed to identify delayed or progressive impact.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».