Prognostic Factors for Severity and Mortality in Patients Infected with COVID-19: A Systematic Review
Notice bibliographique
Résumé
Background: The objective of our systematic review is to identify prognostic factors that may be used in decision-making related to the care of patients infected with COVID-19. Methods: We conducted highly sensitive searches in PubMed/MEDLINE, the Cochrane Central Register of Controlled Trials (CENTRAL) and Embase. The searches covered the period from the inception date of each database until April 28, 2020. No study design, publication status or language restriction were applied. We included studies that assessed patients with confirmed or suspected SARS-CoV-2 infection and examined one or more prognostic factors for mortality or disease severity. Reviewers working in pairs independently screened studies for eligibility, extracted data and assessed the risk of bias. We performed meta-analyses and used GRADE to assess the certainty of the evidence for each prognostic factor and outcome. Findings: We included 207 studies and found high or moderate certainty that the following 49 variables provide valuable prognostic information on mortality and/or severe disease in patients with COVID-19 infection: Demographic factors (age, male sex, smoking), patient history factors (comorbidities, cerebrovascular disease, chronic obstructive pulmonary disease, chronic kidney disease, cardiovascular disease, cardiac arrhythmia, arterial hypertension, diabetes, dementia, cancer and dyslipidemia), physical examination factors (respiratory failure, low blood pressure, hypoxemia, tachycardia, dyspnea, anorexia, tachypnea, haemoptysis, abdominal pain, fatigue, fever and myalgia or arthralgia), laboratory factors (high blood procalcitonin, myocardial injury markers, high blood White Blood Cell count (WBC), high blood lactate, low blood platelet count, plasma creatinine increase, high blood D-dimer, high blood lactate dehydrogenase (LDH), high blood C-reactive protein (CRP), decrease in lymphocyte count, high blood aspartate aminotransferase (AST), decrease in blood albumin, high blood interleukin-6 (IL-6), high blood neutrophil count, high blood B-type natriuretic peptide (BNP), high blood urea nitrogen (BUN), high blood creatine kinase (CK), high blood bilirubin and high erythrocyte sedimentation rate (ESR)), radiological factors (consolidative infiltrate and pleural effusion) and high SOFA score. Interpretation: Identified prognostic factors can help clinicians and policy makers in tailoring management strategies for patients with COVID-19 infection while researchers can utilise our findings to develop multivariable prognostic models that could eventually facilitate decision-making and improve patient important outcomes. Funding Statement: NoneDeclaration of Interests: All authors have completed the ICMJE uniform disclosure form at http://www.icmje.org/coi_disclosure.pdf and declare: no support from any organisation for the submitted work; no financial relationships with any organisations that might have an interest in the submitted work in the previous three years, no other relationships or activities that could appear to have influenced the submitted work.
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 | 0,001 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 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 ».