Częstość występowania cukrzycy typu 2 u chorych z COVID-19 — przegląd systematyczny i metaanaliza
Bibliographic record
Abstract
WSTĘP: W wielu badaniach stwierdzono silny związek miedzy chorobowością i umieralnością z powodu COVID- 19 a cukrzycą. W niniejszym badaniu oszacowano lączną czestośc wystepowania cukrzycy u chorych z COVID-19. MATERIAŁ I METODY: Przeszukano miedzynarodowe naukowe bazy danych do 15 kwietnia 2020 roku, bez ograniczen czasu publikacji i jezyka opublikowanych prac. Dokonano oceny jakości badan za pomocą listy kontrolnej Newcastle–Ottawa Scale (NOS). Zastosowano model efektow losowych w celu określenia lącznej czestości wystepowania z 95-procentowym przedzialem ufności (CI). WYNIKI: Łączna czestośc wystepowania cukrzycy u chorych z COVID-19 wyniosla 14% (95% CI 11–17). Ze wzgledu na duzą niejednorodnośc (I2 = 93,4%; p < 0,001) przeanalizowano trzy podgrupy w zalezności od miejsca badania, wieku i plci. Czestośc wystepowania cukrzycy byla wieksza wśrod mezczyzn (16%; 95% CI 12–20) i osob w wieku ≥ 65 lat (19%; 95% CI 8–31). Czestośc wystepowania cukrzycy wyniosla 15% (95% CI 10–20) wśrod pacjentow w Wuhan, 10% (95% CI 6–15) wśrod pacjentow w innych miastach w Chinach oraz 39% (95% CI 4–74%) wśrod pacjentow w innych krajach. WNIOSKI: Z niniejszego przeglądu systematycznego wynika, ze czestośc wystepowania cukrzycy u chorych z COVID-19 jest wieksza w innych krajach niz w Chinach. Czestośc wystepowania cukrzycy wśrod chorych z COVID-19 byla rowniez istotnie wieksza w przypadku mezczyzn i osob w podeszlym wieku. Te dane mogą byc uzyteczne dla decydentow w zakresie polityki zdrowotnej, ktorzy projektują odpowiednie interwencje prewencyjne i terapeutyczne w przypadkach wspolistnienia cukrzycy i COVID-19.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.018 | 0.048 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.010 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".