Coronavirus disease 2019 (COVID-19) excess mortality outcomes associated with pandemic effects study (COPES): A systematic review and meta-analysis
Notice bibliographique
Résumé
Background and aim With the Coronavirus Disease 2019 (COVID-19) pandemic continuing to impact healthcare systems around the world, healthcare providers are attempting to balance resources devoted to COVID-19 patients while minimizing excess mortality overall (both COVID-19 and non-COVID-19 patients). To this end, we conducted a systematic review (SR) to describe the effect of the COVID-19 pandemic on all-cause excess mortality (COVID-19 and non-COVID-19) during the pandemic timeframe compared to non-pandemic times. Methods We searched EMBASE, Cochrane Database of SRs, MEDLINE, Cumulative Index to Nursing and Allied Health Literature (CINAHL) and Cochrane Controlled Trials Register (CENTRAL), from inception (1948) to December 31, 2020. We used a two-stage review process to screen/extract data. We assessed risk of bias using Newcastle-Ottawa Scale (NOS). We used Critical Appraisal and Grading of Recommendations Assessment, Development and Evaluation (GRADE) methodology. Results Of 11,581 citations, 194 studies met eligibility. Of these studies, 31 had mortality comparisons (n = 433,196,345 participants). Compared to pre-pandemic times, during the COVID-19 pandemic, our meta-analysis demonstrated that COVID-19 mortality had an increased risk difference (RD) of 0.06% (95% CI: 0.06–0.06% p < 0.00001). All-cause mortality also increased [relative risk (RR): 1.53, 95% confidence interval (CI): 1.38–1.70, p < 0.00001] alongside non-COVID-19 mortality (RR: 1.18, 1.07–1.30, p < 0.00001). There was “very low” certainty of evidence through GRADE assessment for all outcomes studied, demonstrating the evidence as uncertain. Interpretation The COVID-19 pandemic may have caused significant increases in all-cause excess mortality, greater than those accounted for by increases due to COVID-19 mortality alone, although the evidence is uncertain. Systematic review registration [ https://www.crd.york.ac.uk/prospero/#recordDetails ], identifier [CRD42020201256].
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 | 0,020 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,037 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».