SARS–CoV-2 Infection and COVID-19 Outcomes in Rheumatic Diseases: A Systematic Literature Review and Meta-Analysis
Notice bibliographique
Résumé
Objective: The relative risk of SARS–CoV-2 infection and COVID-19 disease severity among people with rheumatic and musculoskeletal diseases (RMDs) compared to those without RMDs is unclear. This study was undertaken to quantify the risk of SARS–CoV-2 infection in those with RMDs and describe clinical outcomes of COVID-19 in these patients. Methods: We conducted a systematic literature review using 14 databases from January 1, 2019 to February 13, 2021. We included observational studies and experimental trials in RMD patients that described comparative rates of SARS–CoV-2 infection, hospitalization, oxygen supplementation/intensive care unit (ICU) admission/mechanical ventilation, or death attributed to COVID-19. Methodologic quality was evaluated using the Joanna Briggs Institute critical appraisal tools or the Newcastle-Ottawa scale. Risk ratios (RRs) and odds ratios (ORs) with 95% confidence intervals (95% CIs) were calculated, as applicable for each outcome, using the Mantel-Haenszel formula with random effects models. Results: Of the 5,799 abstracts screened, 100 studies met the criteria for inclusion in the systematic review, and 54 of 100 had a low risk of bias. Among the studies included in the meta-analyses, we identified an increased prevalence of SARS–CoV-2 infection in patients with an RMD (RR 1.53 [95% CI 1.16–2.01]) compared to the general population. The odds of hospitalization, ICU admission, and mechanical ventilation were similar in patients with and those without an RMD, whereas the mortality rate was increased in patients with RMDs (OR 1.74 [95% CI 1.08–2.80]). In a smaller number of studies, the adjusted risk of outcomes related to COVID-19 was assessed, and the results varied; some studies demonstrated an increased risk while other studies showed no difference in risk in patients with an RMD compared to those without an RMD. Conclusion: Patients with RMDs have higher rates of SARS–CoV-2 infection and an increased mortality rate.
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 | 0,023 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,049 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 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 ».