A network meta‐analysis of association between cardiometabolic risk factors and <scp>COVID</scp>‐19 outcome severity
Notice bibliographique
Résumé
BACKGROUND: Cardiometabolic comorbidities have been associated with a higher risk of COVID-19 severity and mortality, but more investigations are needed to determine which comorbidity is more detrimental. METHODS: Embase, Emcare, and MEDLINE were searched systematically for prospective and retrospective studies assessing the associations of cardiometabolic risk factors and COVID-19 outcomes of hospitalization, severity, and mortality among COVID-19-diagnosed patients. Literature search was performed from first publication to May 19, 2021. Study quality was assessed by the Newcastle-Ottawa Scale. RESULTS: From the literature search, 301 studies suggested that all included cardiometabolic risk factors were associated with a higher risk of COVID-19 hospitalization, severity, and mortality, except that overweight was associated with a decreased risk of mortality (relative risk [RR] 0.88; 95% CI, 0.80-0.98). Patients with diabetes (RR 1.46; 95% CI, 1.45-1.47) were most likely to be hospitalized; patients with heart failure had the highest risk for severe COVID-19 outcomes (RR 1.89; 95% CI, 1.71-2.09); while patients with stroke were most susceptible to overall mortality (RR 1.99; 95% CI, 1.90-2.08). In the network meta-analysis, cerebrovascular disease had the highest impact (RR 1.69; 95% CI, 1.65-1.73) on COVID-19 outcomes compared to other cardiometabolic risk factors. For different combinations of risk factors, cardiovascular disease and diabetes combined (RR 6.98; 95% CI, 5.28-9.22) was more detrimental than others. CONCLUSIONS: Considering the high prevalence of cardiometabolic comorbidities and risk of all severe outcomes, patients with cardiometabolic comorbidities should be prioritized in vaccination and treatment development of 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 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 | 0,006 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».