Predictors of post-COVID-19 syndrome: a meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Post Coronavirus Disease 2019 (COVID-19) Syndrome also known as long COVID-19 would affect survivors of various patients. At present, the evidence for predicting a poor prognosis of COVID-19 remains insufficient. This study aims to explore potential predictors of post-COVID-19 syndrome. METHODOLOGY: A systematic review process and meta-analysis method are applied to identify the predictors. Systematic searches were conducted without language restrictions from December 1, 2019, to February 28, 2022, on PubMed, Embase, Google Scholar, Web of Science, and Cochrane Library using specific keywords relevant to our targets. The Newcastle Ottawa Scale observational research tool was used to assess study quality and the R (4.1.1) package meta was used for statistical analysis. RESULTS: Our meta-analysis of 14 studies showed that females (OR = 1.42, 95% CI: 1.19-1.70), the severity of patients (OR = 2.43, 95% CI: 1.26-4.68), comorbidity (OR = 2.08, 95% CI: 1.29-3.35), dyspnea (OR = 2.02, 95% CI: 1.34-3.04) associated with a higher risk of post-COVID-19 syndrome. CONCLUSIONS: Our study showed that females, the severity of COVID-19, comorbidity, and dyspnea were associated with a higher risk of post-COVID-19 syndrome. More attention should be paid to these factors to prevent and treat post-COVID-19 syndrome.
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.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| 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 découle