MétaCan
Menu
Retour à la cohorte
Enregistrement W4366090696 · doi:10.3390/jpm13040669

Comparing the 30-Day Mortality for Hip Fractures in Patients with and without COVID-19: An Updated Meta-Analysis

2023· article· en· W4366090696 sur OpenAlexaboutno aff
Sojune Hwang, Chiwon Ahn, Moonho Won

Notice bibliographique

RevueJournal of Personalized Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Medicine2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Meta-analysisMEDLINEInternal medicineEmergency medicinePathologyOutbreakBiologyDisease

Résumé

récupéré en direct d'OpenAlex

We conducted an updated meta-analysis to evaluate the 30-day mortality of hip fractures during the COVID-19 pandemic and assess mortality rates by country. We systematically searched Medline, EMBASE, and the Cochrane Library up to November 2022 for studies on the 30-day mortality of hip fractures during the pandemic. Two reviewers used the Newcastle–Ottawa tool to independently assess the methodological quality of the included studies. We conducted a meta-analysis and systematic review including 40 eligible studies with 17,753 patients with hip fractures, including 2280 patients with COVID-19 (12.8%). The overall 30-day mortality rate for hip fractures during the pandemic was 12.6% from published studies. The 30-day mortality of patients with hip fractures who had COVID-19 was significantly higher than those without COVID-19 (OR, 7.10; 95% CI, 5.51–9.15; I2 = 57%). The hip fracture mortality rate increased during the pandemic and varied by country, with the highest rates found in Europe, particularly the United Kingdom (UK) and Spain. COVID-19 may have contributed to the increased 30-day mortality rate in hip fracture patients. The mortality rate of hip fracture in patients without COVID-19 did not change during the pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,241
Tête enseignante GPT0,477
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetCOVID-19 and healthcare impactsTravaux en français237 207