A Meta-analysis of the Impact of COVID-19 on Stroke Mortality
Notice bibliographique
Résumé
Background The COVID-19 pandemic seriously affects human health and life. COVID-19 has been reportedly associated with a high risk of thrombotic events, which are closely associated with stroke. Objective To assess the effect and possible mechanism of COVID-19 on stroke morbidity, providing a reliable theoretical basis for scientific prevention and treatment of COVID-19 in stroke. Methods We searched databases of Web of Science, PubMed, EmBase, Cochrane Library, CNKI and Wanfang Data for cohort studies and case-control studies related to COVID-19 and stroke published from December 2019 to January 2022. Two researchers conducted literature screening and data extraction separately. The Newcastle-Ottawa Scale was used to assess the quality of included studies. Meta-analysis was used to evaluate the impact of COVID-19 on stroke mortality. Funnel plot was used to evaluate the potential publication bias. Results A total of 18 studies were included, 12 of them were of good quality, and other 6 were of fair quality. Meta-analysis showed that stroke patients with COVID-19 had higher mortality〔RR=4.16, 95%CI (2.82, 6.13) , P<0.000 01〕, prolonged prothrombin time (PT) 〔MD=0.78, 95%CI (0.35, 1.20) , P=0.000 3〕, higher D-dimer level〔MD=1.34, 95%CI (0.83, 1.84) , P<0.000 01〕 and higher NIHSS score〔MD=6.66, 95%CI (4.54, 8.79) , P<0.000 01〕, as well as younger age〔MD=-2.04, 95%CI (-3.48, -0.61) , P=0.005〕than those without COVID-19. There was no statistically significant difference in activated partial thromboplastin time between stroke patients with and without COVID-19〔MD=2.51, 95%CI (-2.69, 7.71) , P=0.34〕. Funnel plot assessing potential publication bias in the impact of COVID-19 on stroke mortality was basically symmetrical. Conclusion COVID-19 could increase the risk of stroke mortality, which may be related to alterations in the coagulation system manifested by abnormal PT and D-dimer level and so on. And the outcomes of stroke patients with COVID-19 were associated with age and NIHSS score at admission.
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 | 0,021 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,078 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».