Sudden Sensorineural Hearing Loss in the COVID-19 Pandemic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
INTRODUCTION: Accumulating data indicate that patients with COVID-19 could be affected by sudden sensorineural hearing loss (SSNHL). The aim of the study was to analyze the epidemiological and clinical trend of SSNHL occurrence during the COVID-19 pandemic by applying a systematic review and meta-analysis approach. METHODS: PubMed, Scopus, Web of Science, ScienceDirect, and Cochrane databases were searched. RESULTS: The seven included studies had adequate relevance to the topic and the quality was fair. The mean age at SSNHL onset ranged from 39.23 to 62.18 years during the pandemic year period (PYP); a meta-analysis of four studies comparing these data with those of previous periods in the same institutions found a younger age during the PYP (pooled mean -0.2848). The heterogeneity was high (76.1935%) and no frank asymmetry was observed in the funnel plot. The SARS-CoV-2 positivity rate of SSNHL patients ranged from 0% to 57.53%. Standard steroid treatments were applied without significant adverse effects. Comprehensively, hearing improvement was achieved for more than half of the cases. No studies reported long-term follow-up data. CONCLUSIONS: Further prospective analyses on large series and a long-term follow up on COVID-related SSNHL cases are necessary to address the open questions regarding the causative link between COVID-19 infection and SSNHL.
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 | 0,014 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,032 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».