Impacts of COVID-19 on pediatric patients with congenital heart disease: a small systematic and integrative literature review
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to compile primary studies to understand the impacts of COVID-19 on pediatric patients with congenital heart disease. DATA SOURCE: A systematic review based on the Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) method, with searches conducted in the PubMed, Latin American and Caribbean Health Sciences Literature (LILACS), and Scientific Electronic Library Online (SciELO) databases. Studies published in the last 5 years, open access, and addressing the research question, "What are the main impacts of COVID-19 on pediatric patients with congenital heart disease?" were included. The risk of bias was assessed using the Newcastle-Ottawa Scale (NOS) and the Joanna Briggs Institute (JBI) tools. DATA SYNTHESIS: A total of 377 articles were identified, of which 12 met the inclusion criteria. The NOS tool indicated that two of the eight cohort studies had a risk of bias and lower methodological quality. The JBI tool revealed that three of the four cross-sectional studies had a low risk of bias and good methodological quality. The integrative analysis highlighted three main impacts of COVID-19 on these patients: difficulties in follow-up and treatment, reduced physical activity due to social distancing, and postponement of procedures and surgeries. Infected patients experienced increased complications and hospitalizations, but without a significant change in mortality. CONCLUSIONS: The COVID-19 pandemic significantly affected the health and management of congenital heart disease, leading to clinical complications and worsening follow-up. Further primary and secondary studies are needed to strengthen the evidence and improve patient management.
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 | 0,002 | 0,181 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».