Tontura e diabetes mellitus em idosos hospitalizados com COVID-19
Bibliographic record
Abstract
Verificar na literatura a prevalência de tontura e de diabetes mellitus em idosos hospitalizados com COVID-19. Método: Revisão Sistemática de Literatura e a estratégia de pesquisa foi delineada de acordo com as recomendações propostas pelo checklist MOOSE, após registro do protocolo no PROSPERO (CRD42022313931). Consultaram-se as bases de dados Medline, Scielo, LILACS, SCOPUS, Web OF sCIENCE, Biblioteca Virtual em Saúde (BVS) e Embase, usando os descritores primários “Aged”, “Dizziness”, “Hospitalization” e “COVID-19” foram cruzados com o descritor secundário “Diabetes Mellitus, sem limitação de idioma e publicados entre os anos de 2019 e 2022. Critérios de Seleção: estudos do tipo observacional (caso-controle, coorte e transversal), realizados com idosos hospitalizados com ou pós COVID-19 e que verificaram a prevalência de tontura e diabetes mellitus. Estudos fora desses critérios foram excluídos. Resultados: Foram encontrados 168 artigos, dos quais 8 foram incluídos. A prevalência de tontura foi de 5,27% (1,1%-18,25%) e a prevalência de Diabetes Mellitus foi de 14,63% (1,54%-29%) e os principais fatores associados foram o aumento da idade, sexo masculino e internação hospitalar. A Escala Newcastle-Ottawa identificou estudos com moderada e alta qualidade metodológica. Conclusão: a prevalência de tontura foi considerada baixa em relação ao que a literatura descreve como referência, e a Diabetes Mellitus esteve dentro dos parâmetros esperados para idosos. No entanto ainda, há uma necessidade de padronizar as avaliações para essa população e aumentar as pesquisas em relação a presença de tontura e dessas comorbidades em idosos hospitalizados comCOVID-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 | 0.009 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.009 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".