Ocular manifestations of COVID-19: A systematic review of current evidence
Notice bibliographique
Résumé
Introduction: COVID-19 caused by SARS-CoV-2, commonly presents with symptoms such as fever and shortness of breath but can also affect other organs. There is growing evidence pointing to potential eye complications. In this article, we aim to systematically review the ocular manifestations of COVID-19. Methods: We conducted a systematic review to explore the ocular manifestations of COVID-19. We searched online databases including PubMed, Embase, Scopus, and Web of Science up to September 4, 2023. After a two-stage screening process and applying inclusion/exclusion criteria, eligible articles were advanced to the data extraction phase. The PRISMA checklist and Newcastle-Ottawa Scale (NOS) were used for quality and bias risk assessments. Results: We selected and extracted data from 42 articles. Most of the studies were cross-sectional (n = 33), with the highest number conducted in Turkey (n = 10). The most frequent ocular manifestation was conjunctivitis, reported in 24 articles, followed by photophobia, burning, chemosis, itching, and ocular pain. Most studies reported complete recovery from these manifestations; however, one study mentioned visual loss in two patients. Conclusion: In general, ocular manifestations of COVID-19 appear to resolve either spontaneously or with supportive treatments. For more severe cases, both medical treatment and surgery have been employed, with the outcomes suggesting that complete recoveries are attainable.
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 | 0,005 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».