Estimating the extent of asymptomatic COVID-19 and its potential for community transmission: Systematic review and 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
Background: Knowing the prevalence of true asymptomatic coronavirus disease 2019 (COVID-19) cases is critical for designing mitigation measures against the pandemic. We aimed to synthesize all available research on asymptomatic cases and transmission rates. Methods: We searched PubMed, Embase, Cochrane COVID-19 trials, and Europe PMC for primary studies on asymptomatic prevalence in which (1) the sample frame includes at-risk populations, and; (2) follow-up was sufficient to identify pre-symptomatic cases. Meta-analysis used fixed-effects and random-effects models. We assessed risk of bias by combination of questions adapted from risk of bias tools for prevalence and diagnostic accuracy studies. Results: We screened 2,454 articles and included 13 low risk-of-bias studies from seven countries that tested 21,708 at-risk people, of which 663 were positive and 111 asymptomatic. Diagnosis in all studies was confirmed using a real-time reverse transcriptase–polymerase chain reaction test. The asymptomatic proportion ranged from 4% to 41%. Meta-analysis (fixed effects) found that the proportion of asymptomatic cases was 17% (95% CI 14% to 20%) overall and higher in aged care (20%; 95% CI 14% to 27%) than in non-aged care (16%; 95% CI 13% to 20%). The relative risk (RR) of asymptomatic transmission was 42% lower than that for symptomatic transmission (combined RR 0.58; 95% CI 0.34 to 0.99, p = 0.047). Conclusions: Our one-in-six estimate of the prevalence of asymptomatic COVID-19 cases and asymptomatic transmission rates is lower than those of many highly publicized studies but still sufficient to warrant policy attention. Further robust epidemiological evidence is urgently needed, including in subpopulations such as children, to better understand how asymptomatic cases contribute to the pandemic.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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