Associations of diabetes, hypertension and obesity with COVID-19 mortality: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Despite a growing body of scholarly research on the risks of severe COVID-19 associated with diabetes, hypertension and obesity, there is a need for estimating pooled risk estimates with adjustment for confounding effects. We conducted a systematic review and meta-analysis to estimate the pooled adjusted risk ratios of diabetes, hypertension and obesity on COVID-19 mortality. Methods We searched 16 literature databases for original studies published between 1 December 2019 and 31 December 2020. We used the adapted Newcastle-Ottawa Scale to assess the risk of bias. Pooled risk ratios were estimated based on the adjusted effect sizes. We applied random-effects meta-analysis to account for the uncertainty in residual heterogeneity. We used contour-funnel plots and Egger’s test to assess possible publication bias. Results We reviewed 34 830 records identified in literature search, of which 145 original studies were included in the meta-analysis. Pooled adjusted risk ratios were 1.43 (95% CI 1.32 to 1.54), 1.19 (95% CI 1.09 to 1.30) and 1.39 (95% CI 1.27 to 1.52) for diabetes, hypertension and obesity (body mass index ≥30 kg/m 2 ) on COVID-19 mortality, respectively. The pooled adjusted risk ratios appeared to be stronger in studies conducted before April 2020, Western Pacific Region, low- and middle-income countries, and countries with low Global Health Security Index scores, when compared with their counterparts. Conclusions Diabetes, hypertension and obesity were associated with an increased risk of COVID-19 mortality independent of other known risk factors, particularly in low-resource settings. Addressing these chronic diseases could be important for global pandemic preparedness and mortality prevention. PROSPERO registration number CRD42021204371.
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 | 0,008 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».