Low Muscle Mass and Mortality in Patients with Sars-Cov-2: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Aim Low muscle mass assessed by computed tomography (CT) may be associated with mortality or admission to the Intensive Care Unit (ICU) of patients with COVID-19. Materials and Methods: Data were collected through searches in PubMed/MEDLINE and EMBASE using the Rayyan tool to screen identified studies, and the review followed the PRISMA model. Data extraction was performed by two authors independently, and the risk of bias was assessed using the Newcastle-Ottawa quality tool. Statistical analyses were performed using R version 3.5.2 (The R Foundation for Statistical Computing) and Review Manager (RevMan 5.3. Copenhagen: The Nordic Cochrane Center) software. Results: Eighteen observational studies met the inclusion criteria for qualitative analysis, one of which was excluded due to a high risk of bias. Fifteen studies were included in the meta-analysis, totaling 3,920 patients and 640 deaths, which demonstrated that individuals with low muscle mass are 2.40 times more likely to die. When admission to the Intensive Care Unit (ICU) was considered an outcome, eight studies were included, totaling 2,993 patients, of which 770 required intensive care support, with low muscle mass increasing the chances of admission by 1.99 times in the ICU. Conclusion: Based on the results shown in the present study, low muscle mass assessed by CT suggests an association with higher mortality and ICU admission in patients with COVID-19.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».