MétaCan
Menu
Retour à la cohorte
Enregistrement W4393043822 · doi:10.1186/s12879-024-09225-z

How does the SARS-CoV-2 reinfection rate change over time? The global evidence from systematic review and meta-analysis

2024· review· en· W4393043822 sur OpenAlexaboutno aff
Ying Chen, Wenhui Zhu, Xinyue Han, Miaoshuang Chen, Xin Li, Haiping Huang, Mengyuan Zhang, Rongjie Wei, Huadong Zhang, Changhong Yang, Tao Zhang

Notice bibliographique

RevueBMC Infectious Diseases · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaSichuan Province Science and Technology Support ProgramNational Natural Science Foundation of China
Mots-clésMeta-analysisMedicineMeta-regressionMedical microbiologyCohort studyInternal medicineSubgroup analysisPopulationDemographyPublication biasImmunologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a significant increase in the number of SARS-CoV-2 reinfection reports in various countries. However, the trend of reinfection rate over time is not clear. METHODS: We searched PubMed, Web of Science, Medline, Embase, Cochrane Central Register of Controlled Trials, China National Knowledge Infrastructure, and Wanfang for cohort studies, case-control studies, and cross-sectional studies up to March 16, 2023, to conduct a meta-analysis of global SARS-CoV-2 reinfection rate. Subgroup analyses were performed for age, country, study type, and study population, and time-varying reinfection rates of SARS-CoV-2 were estimated using meta-regression. The risk of bias was assessed using the Newcastle-Ottawa Scale and the Joanna Briggs Institute critical appraisal tool. RESULT: A total of 55 studies involving 111,846 cases of SARS-CoV-2 reinfection were included. The pooled SARS-CoV-2 reinfection rate was 0.94% (95% CI: 0.65 -1.35%). In the subgroup analyses, there were statistically significant differences in the pooled reinfection rates by reinfection variant, and study type (P < 0.05). Based on meta-regression, the reinfection rate fluctuated with time. CONCLUSION: Meta-regression analysis found that the overall reinfection rate increased and then decreased over time, followed by a period of plateauing and then a trend of increasing and then decreasing, but the peak of the second wave of reinfection rate was lower than the first wave. SARS-CoV-2 is at risk of reinfection and the Omicron variant has a higher reinfection rate than other currently known variants. The results of this study could help guide public health measures and vaccination strategies in response to the Coronavirus Disease 2019 (COVID-19) pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,095
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,201

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,095
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0290,051
Bibliométrie0,0120,011
Études des sciences et des technologies0,0010,001
Communication savante0,0070,004
Science ouverte0,0030,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,421
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207