Predictors of post-COVID-19 syndrome: a meta-analysis
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.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,063 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».