Elevated D-dimer is associated with severity of COVID-19: A systematic review and meta-analysis
Notice bibliographique
Résumé
With the rapid increase of COVID-19 cases, identifying case severity has become a critical issue for hospital admission and intensive care treatment. Given that pre-existing comorbidities play a significant role in the severity, emerging evidence indicates coagulopathy becomes an independent condition that causes respiratory distress in COVID-19. In this metanalysis, relevant literatures reporting D-dimer, a coagulation byproduct, in COVID-19 cases were synthesized and statistically analyzed to test if the D-dimer level can predict case severity and mortality. The analysis found that D-dimer levels were higher in non-survivors/severe than in survivors/non-severe, (MD 0.64, 95% CI 0.52 to 0.75; participants = 5957, I2 = 98%). Subgroup analysis showed MD between non-survivors and survivors was MD 3.48 μg/mL (95% CI 2.69 to 4.27; participants = 1799; studies = 7; I2 = 86%) with Z-score 8.64, p<0.0001. In meta-regression, a significant correlation was observed between increased plasma mean D-dimer level with increased proportion case severity (P=0.046) and mortality (P=0.009). Overall, the study found that the D-dimer level index can be a predictor of risk for case severity and mortality in COVID-19 patients. The test is rapid and inexpensive and can help clinicians prioritize medical care other than deciding therapeutic options for clinical goals.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,028 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».