An Assessment of COVID-19 Infectivity and Fatality: Meta-analysis Study
Bibliographic record
Abstract
Amaç: Kanıta dayalı çalışmalar arasında en yüksek seviyede yer alan meta analiz yöntemi kullanılarak yürütülen bu çalışma, tüm dünyayı sarsan Koronavirüs hastalığı-2019 (COVID-19) virüsünün enfektivitesi ve fatalitesinin etki büyüklüğünü incelemektir.Gereç ve Yöntem: COVID-19'un dünyada ilk görüldüğü tarih olarak ifade edilen Aralık 2019 ile Aralık 2020 zaman dilimleri arasında yapılan kapsamlı bir literatür taraması (PubMed, Medline, Cochrane Library, Science Direct, ProQuest, Ulakbim, Sağlık Bakanlığı, YÖK, WHO Global İndex) gerçekleştirildi.Çalışma için seçme kriterleri belirlendi.Çalışmaya seçme kriterlerine uyan 21 çalışma dahil edildi.Araştırmada analiz edilen makaleler, birbirinden bağımsız iki kodlayıcı tarafından kodlanarak, araştırmaya dahil edilecek çalışmaların metodolojik kalitesi "Jadad skoru" ve "Newcastle Ottawa Ölçütü" kullanılarak değerlendirildi.Araştırmaya orta ve yüksek kalitedeki çalışmalar dahil edildi.Verileri analiz etmek için Comprehensive Meta Analysis programının üç sürümü kullanıldı.Bulgular: COVID-19 enfektivite ve fatalitesi üzerine yapılan çalışmamızın etki büyüklüğü d=0,092 (p=0,000) olarak hesaplandı.Cohen'e (1988) göre araştırmalar yüksek etki büyüklüğüne sahip ve heterojen yapıda bulundu.Heterojeniteyi araştırmak için yapılan alt grup verilerine ait moderatör analizi sonucuna göre, yaş, cinsiyet, klinik bulgu ve komorbiditenin ortalama etki büyüklüğü için bir moderatör olduğu (p<0,05) saptandı.Bu bağlamda COVID-19 enfektivite ve fatalitesinin demografik özellikler, klinik tablo ve komorbidite ile anlamlı ve etkili olduğu saptandı.
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 | 0.043 | 0.066 |
| Meta-epidemiology (narrow) | 0.004 | 0.002 |
| Meta-epidemiology (broad) | 0.022 | 0.080 |
| Bibliometrics | 0.009 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".