Does SARS-CoV-2 Affect Human Semen? A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Contradictory results have been reported regarding effects of the SARS-CoV-2 upon human semen. A timely and up-to-date systematic review with meta-analysis appears necessary. This study aimed to deliver pooled prevalence (PP) of SARS-CoV-2 in semen and pooled semen parameters as compared with the uninfected. The relevant databases were scanned by two authors for observational studies reporting analysis of semen in COVID-19 patients. The SARS-CoV-2-infected were assigned to group A (exposed arm), whereas the uninfected to group B (unexposed arm). Newcastle-Ottawa Scale was used to address the risk of bias. PRISMA guidelines were adopted. In case of homogenous studies, fixed-effects model was followed, whereas for heterogenous studies random-effects model was used. Of 990 studies, 24 were eligible involving 1589 subjects (947 in group A and 642 in group B). The "comparability" domain was biased the most. SARS-CoV-2 RNA was detected in three studies among 8 individuals producing the PP of 1.76% (95% CI 0.72-3.21). Sperm concentration was reduced significantly (WMD = -16.23 [95% CI -25.56 to -6.89], as well as total sperm in ejaculate (WMD = -34.84 [95% CI - 43.51 to -26.17]) and sperm volume (WMD = - 0.48 [95% CI - 0.59 to - 0.36] in group A as compared with controls. There was a non-significant effect upon progressive motility and leukocyte presence in semen. SARS-CoV-2 RNA in semen among the infected individuals is detected infrequently. By this token, sexual transmission through semen is of low probability and little concern for public health. However, significant decrease in sperm volume, sperm concentration, and total sperm in ejaculate has been noted. The current data, though, are limited, and more studies with longer follow-up are needed to evaluate the further 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».