The impact of HBV infection on clinical outcomes of COVID‐19 patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract The impact of hepatitis B virus (HBV) infection on clinical outcomes of coronavirus disease 2019 (COVID-19) remains unclear. The aim of this study is to explore this impact. For this systematic review and meta-analysis, we searched PubMed, Web of Science, Embase, Cochrane library, China National Knowledge Infrastructure (CKNI), China Science and Technology Journal Database (VIP), and Wan Fang database for articles between 1 January 2020 and 1 February 2023. We used the Newcastle–Ottawa Quality Assessment to evaluate the study’s quality. A random-effects meta-analysis was performed utilising the rates of severe/critical illness and death in COVID-19 patients with and without HBV infection. Eighteen studies with a total of 40,502 participants met the inclusion criteria. The meta-analysis showed that compared to those without HBV infection, COVID-19 patients with HBV were at increased risk of mortality (OR = 1.65, I2 = 58%, and 95% CI 1.08–2.53) and severity (OR = 1.90, I2 = 44%, and 95% CI 1.62–2.24). The region and gender may influence the outcomes of COVID-19 patients with HBV infection, but it requires more global data to confirm. In conclusion, HBV infection is significantly linked to an increased risk of severity and mortality in COVID-19.
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 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,039 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».