“Características clínicas y mortalidad de pacientes COVID-19 en áreas geográficas de gran altitud y muy gran altitud de 2020 a 2022: una revisión sistemática”
Notice bibliographique
Résumé
La relación entre las adaptaciones fisiológicas a la altura y la infección por \nSARS-CoV-2 aún no está clara. En el esfuerzo de poder responder a esta pregunta, múltiples \nautores han realizado diferentes estudios y análisis para encontrar una respuesta satisfactoria \ncon resultados ambiguos y contrastados. Por esta razón realizamos una revisión sistemática \ncon metaanálisis sobre el efecto de la altura en la mortalidad, incidencia y características \nclínicas y laboratoriales del COVID-19 para evaluar la evidencia disponible. \nMetodología: Bases de datos electrónicas (PubMed/Medline, Scopus, Scielo, Lilacs, \nEmbase) fueron revisadas usando los términos: ‘COVID-19’, ‘SARS-CoV-2’, ‘Coronavirus19’ ‘High altitude’, ‘morbidity’, ‘mortality’, ‘clinical characteristics’. El procedimiento de \nla revisión se adhirió a las prácticas sugeridas por la guía PRISMA, iniciando la selección a \ntítulo y resumen, luego a texto completo; ambos procedimientos realizados usando la \naplicación web Rayyan, de forma duplicada e independiente. La extracción se realizó usando \nMicrosoft Excel 365, y el análisis estadístico se realizó usando el Software STATA 17. Los \nmetaanálisis se realizaron usando los modelos de efectos aleatorios y la valoración del riesgo \nde sesgo se realizó usando el score Newcastle Ottawa para estudios observacionales \n(transversales y estudios de cohorte/casos controles). \nResultados: La estrategia de búsqueda obtuvo 314 artículos, de los cuales fueron \nseleccionados 54 artículos. Los 54 estudios fueron 7 cartas al editor, 2 series de caso, 3 \ncohortes prospectivas, 8 cohortes retrospectivas, 1 estudios ecológicos y 32 estudios \ntransversales. La mayoría de los artículos (34 artículos) tuvieron un alto riesgo de sesgo y \nde estos, 18 fueron publicados en Perú. La incidencia combinada de COVID-19 en altura fue \nde 36.2% y la tasa de mortalidad combinada en altura fue de 16.9%. Un total de 15 artículos \nreportaron una correlación significativa entre mortalidad y COVID-19. Las características \nclínicas del COVID-19 en altura más reportadas fueron la fiebre (44.7%) y la tos (48.7%). \n2 \nRespecto a las características laboratoriales del COVID-19 en altura, no se encontró \ncorrelación significativa entre la carga viral en altura y no altura. \nDiscusión: La mayoría de los estudios encontrados sugieren un rol protector de la altura con \nrespecto a la mortalidad por COVID-19, después de controlar para factores como sexo, \ndensidad poblacional, y migración. Sin embargo, es necesario tomar con precaución la \nafirmación anterior debido al alto riesgo de sesgo de los estudios incluidos. La mayor \ndiferencia de las características clínicas en zonas de altura es la mayor frecuencia de fiebre. \nLas características laboratoriales no presentaron diferencias entre zonas de altura y no altura. \nConclusión: La altura se perfila como un factor protector para la mortalidad por COVID19, sin embargo, es necesario tomar con precaución esta afirmación debido al alto riesgo de \nsesgo de los estudios incluidos. \nPalabras clave: “COVID-19”, “SARS-CoV-2”, “Altura”, “Gran altitud”
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».