Association of Hospitalization Rate, Mortality, and CD4 T Cell Count with Comorbidity of COVID-19 and HIV: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Epidemiological data demonstrate the greater severity of SARS-CoV-2 infection in HIV patients along with the more hospitalization, and mortality rates. Thus, this meta-analysis aimed to assess the possible differences in hospitalization, mortality, and the CD4 T cell counts between COVID-19/HIV co-infected patients and the control group. The relevant studies were obtained from online databases such as Science Direct, PubMed, Scopus, Web of Science, and Google Scholar using Mesh and Non-Mesh keywords and the meta-analysis was conducted according to the Preferred Reporting Items for Systematic review and Meta-Analysis Protocols checklist. Then, the Newcastle-Ottawa scale (NOS) checklist was used to assess the quality of selected studies. According to the random effect models, the odds ratios of hospitalization, mortality, and CD4 T cell counts were estimated. The odds ratios of hospitalization and mortality rates in COVID-19 patients with HIV were 1.67 (confidence interval [CI]: 0.76 to 3.71) and 0.80 (CI: 0.57 to 1.11), respectively, compared to that of the COVID-19 group. In this meta-analysis, there was no statistically significant difference in the rates of hospitalization, mortality, and CD4 T cell counts between COVID-19 patients with HIV and the control group. The similarity between the studied groups could be attributed to factors such as the rarity of COVID-19/HIV co-infection patients and the presence of random error, administration of antiretroviral therapy in HIV patients, and early hospitalization time in COVID-19/HIV co-infected patients.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».