“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”
Bibliographic record
Abstract
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”
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.032 | 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; both teacher heads agree on what is shown here.
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".