COVID-19 Severity and Mortality Among Chronic Liver Disease Patients: A Systematic Review and Meta-Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Pre-existing comorbid conditions in COVID-19 patients are risk factors for developing severe disease and death. We aimed to determine the association of chronic liver disease (CLD), a comorbid condition, with severity of disease and death among COVID-19 patients. METHODS: We searched for studies reporting COVID-19 outcomes among CLD and non-CLD patients in databases including Medline, EMBASE, ScienceDirect, Google Scholar, and Cochrane Library from inception of the pandemic until February 2022. Risk of bias assessment was conducted by using the Newcastle-Ottawa Scale for assessing the quality of nonrandomized studies in meta-analyses. We conducted a meta-analysis with a random-effects model and reported pooled odds ratios (ORs) with 95% CIs. RESULTS: We included 40 studies with 908,032 participants. Most studies were conducted in China and the US. COVID-19 patients with CLD had significantly higher odds of having a severe form of COVID-19 (pooled OR = 2.44; 95% CI, 1.89-3.16) and death (pooled OR = 2.35; 95% CI, 1.85-3.00) when compared with COVID-19 patients without CLD. CONCLUSION: The presence of CLD is significantly related to adverse clinical outcomes among COVID-19 patients in terms of severity and mortality. Clinicians should develop a comprehensive intervention plan to manage these high-risk patients and reduce COVID-19-related deaths.
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.
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 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle