Liver injury in post-acute COVID-19 syndrome: A systematic review and meta-analysis of early observational studies
Notice bibliographique
Résumé
Background: Post-acute COVID-19 syndrome (PACS; long COVID) is characterized by persistent or delayed symptoms at least 4 weeks from acute COVID-19 infection. Given the well-documented incidence of liver injury in acute COVID-19, this systematic review aims to assess the odds of liver injury in earlier experiencers of PACS. Methods: Observational studies published prior to March 2022 were screened for data describing liver injury (defined per primary study) in patients with PACS. Results: A total of 2,117 abstracts and 35 full texts were screened, of which 26 met the inclusion criteria. The mean time since acute COVID infection across all studies was 195.5 days. Seven studies included COVID-negative control groups. Twenty-three studies measured lab findings, and nine studies measured imaging or elastography. Five studies were eligible for meta-analysis of odds ratios, which did not demonstrate a statistically significant difference in odds for liver injury in patients with PACS compared with COVID-negative patients (OR 2.22 [95% CI 0.51–9.61; p = 0.28]). Newcastle-Ottawa Scale assessments for all studies found 24 of 26 studies with high to very high risk of bias. ROBINS-E assessments for studies included in the meta-analysis found five of five studies with high to very high risk of bias. Conclusions: Overall, our findings demonstrate no statistical difference in odds ratios of liver injury in patients with PACS compared with COVID-negative controls. As such, routine assessment and monitoring of liver injury in patients with PACS may not be required; however, higher quality data with lower risk of bias are required to make recommendations of higher certainty.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».