Cardiovascular Comorbidities in COVID-19: Comprehensive Analysis of Key Topics
Notice bibliographique
Résumé
BACKGROUND: The interrelation between COVID-19 and various cardiovascular and metabolic disorders has been a critical area of study. There is a growing need to understand how comorbidities such as cardiovascular diseases (CVDs) and metabolic disorders affect the risk and severity of COVID-19. OBJECTIVE: The objective of this study is to systematically analyze the association between COVID-19 and cardiovascular and metabolic disorders. The focus is on comorbidity, examining the roles of CVDs such as embolism, thrombosis, hypertension, and heart failure, as well as metabolic disorders such as disorders of glucose and iron metabolism. METHODS: Our study involved a systematic search in PubMed for literature published from 2000 to 2022. We established 2 databases: one for COVID-19-related articles and another for CVD-related articles, ensuring all were peer-reviewed. In terms of data analysis, statistical methods were applied to compare the frequency and relevance of MeSH (Medical Subject Headings) terms between the 2 databases. This involved analyzing the differences and ratios in the usage of these terms and employing statistical tests to determine their significance in relation to key CVDs within the COVID-19 research context. RESULTS: The study revealed that "Cardiovascular Diseases" and "Nutritional and Metabolic Diseases" were highly relevant as level 1 Medical Subject Headings descriptors in COVID-19 comorbidity research. Detailed analysis at level 2 and level 3 showed "Vascular Disease" and "Heart Disease" as prominent descriptors under CVDs. Significantly, "Glucose Metabolism Disorders" were frequently associated with COVID-19 comorbidities such as embolism, thrombosis, and heart failure. Furthermore, iron deficiency (ID) was notably different in its occurrence between COVID-19 and CVD articles, underlining its significance in the context of COVID-19 comorbidities. Statistical analysis underscored these differences, highlighting the importance of both glucose and iron metabolism disorders in COVID-19 research. CONCLUSIONS: This work lays the foundation for future research that utilizes a knowledge-based approach to elucidate the intricate relationships between these conditions, aiming to develop more effective health care strategies and interventions in the face of ongoing pandemic challenges.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,037 | 0,038 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».