Systematic review and meta-analysis of Tuberculosis and COVID-19 Co-infection: Prevalence, fatality, and treatment considerations
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) and COVID-19 co-infection poses a significant global health challenge with increased fatality rates and adverse outcomes. However, the existing evidence on the epidemiology and treatment of TB-COVID co-infection remains limited. METHODS: This updated systematic review aimed to investigate the prevalence, fatality rates, and treatment outcomes of TB-COVID co-infection. A comprehensive search across six electronic databases spanning November 1, 2019, to January 24, 2023, was conducted. The Joanna Briggs Institute Critical Appraisal Checklist assessed risk of bias of included studies, and meta-analysis estimated co-infection fatality rates and relative risk. RESULTS: From 5,095 studies screened, 17 were included. TB-COVID co-infection prevalence was reported in 38 countries or regions, spanning both high and low TB prevalence areas. Prevalence estimates were approximately 0.06% in West Cape Province, South Africa, and 0.02% in California, USA. Treatment approaches for TB-COVID co-infection displayed minimal evolution since 2021. Converging findings from diverse studies underscored increased hospitalization risks, extended recovery periods, and accelerated mortality compared to single COVID-19 cases. The pooled fatality rate among co-infected patients was 7.1% (95%CI: 4.0% ~ 10.8%), slightly lower than previous estimates. In-hospital co-infected patients faced a mean fatality rate of 11.4% (95%CI: 5.6% ~ 18.8%). The pooled relative risk of in-hospital fatality was 0.8 (95% CI, 0.18-3.68) for TB-COVID patients versus single COVID patients. CONCLUSION: TB-COVID co-infection is increasingly prevalent worldwide, with fatality rates gradually declining but remaining higher than COVID-19 alone. This underscores the urgency of continued research to understand and address the challenges posed by TB-COVID co-infection.
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 | 0,022 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».