ABO and Rh blood groups and risk of infection: systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Persons with non-O and Rh-positive blood types are purported to be more susceptible to infection, including SARS-CoV-2, but there remains uncertainty about the degree to which this is so for both non-viral and viral infections. Methods We systematically reviewed Embase and PubMed from January 1 st 1960 to May 31 st 2022. English-language publications were selected that separately investigated the relation between ABO and/or Rh blood group and risk of SARS-CoV-2 and non-SARS-CoV-2 infection. Pooled odds ratios (OR p ) and 95% confidence intervals (CI) were then generated for each. Results Non-O blood groups had a higher OR p for SARS-CoV-2 than O blood groups, both within 22 case–control studies (2.13, 95% CI 1.49- 3.04) and 15 cohort studies (1.89, 95% CI 1.56- 2.29). For non-SARS-CoV-2 viral infections, the respective OR p were 1.98 (95% CI 1.49–2.65; 4 case–control studies) and 1.87 (95% CI 1.53–2.29; 12 cohort studies). For non-viral infections, the OR p were 1.56 (95% CI 0.98–2.46; 13 case–control studies) and 2.11 (95% CI 1.67–6.67; 4 cohort studies). Rh-positive status had a higher OR p for SARS-CoV-2 infection within 6 case–control studies (13.83, 95% CI 6.18–30.96) and 6 cohort studies (19.04, 95% CI 11.63–31.17), compared to Rh-negative persons. For Rh status, non-SARS-CoV-2 infections, the OR p were 23.45 (95% CI 16.28–33.76) among 7 case–control studies, and 9.25 (95% CI 2.72–31.48) within 4 cohort studies. High measures of heterogeneity were notably observed for all analyses. Conclusions Non-O and Rh-positive blood status are each associated with a higher risk of SARS-CoV-2 infection, in addition to other viral and non-viral infections.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 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 ».