《住院 Covid-19 患者血清总睾酮和促黄体激素变化的系统评价和荟萃分析》

  • 来源专题:新发突发传染病
  • 编译者: 张玢
  • 发布时间:2024-02-03
  • 一系列日益增多的证据表明,男性性腺功能减退可能是住院新冠肺炎患者不良临床结果的可能预兆。因此,我们试图通过系统性回顾和荟萃分析,研究下丘脑垂体性腺轴失调对住院新冠肺炎患者临床表现严重程度的影响,并与健康对照组进行匹配。我们检索了数据库,时间跨度为从开始至2022年3月。针对报道了入院时总睾酮(TT)和黄体生成素(LH)水平的住院新冠肺炎患者和健康对照组的研究,我们开展了一项标准化均值差(SMD)荟萃分析。总体而言,我们回顾了2020年至2022年间的18个系列研究,共涉及1575名患者。观察到新冠肺炎患者的TT水平SMD显著下降,与对照组相比(-3.25 nmol/L, 95%CI -0.57 and -5.93)。当将严重新冠肺炎患者与对照组进行匹配时,这种降低更加一致(-5.04 nmol/L, 95%CI -1.26 and -8.82),但对于新冠肺炎幸存者和非幸存者的情况类似(-3.04 nmol/L, 95%CI -2.04 and -4.05)。跨研究观察到血清LH水平没有显著变化。患者相关的合并症、疫情年份和总淋巴细胞计数与观察到的估计值相关。TT水平可能是新冠肺炎患者不良结果的有用血清标志物。这些发现可能支持在新冠肺炎风险群分类和随后的疾病监测中开展特设临床试验。TT水平与免疫反应之间的相互作用应在未来的研究中进行评估。
  • 原文来源:https://www.nature.com/articles/s41598-024-53392-7
相关报告
  • 《COVID-19的临床,实验室和影像学特征:系统评价和荟萃分析》

    • 来源专题:新发突发疾病(新型冠状病毒肺炎)
    • 编译者:蒋君
    • 发布时间:2020-04-10
    • 2019年12月,中国开始流行2019冠状病毒病(COVID-19),导致国际关注的突发公共卫生事件(PHEIC)。在一些观察性研究中,临床,实验室和影像学特征已得到部分表征。迄今为止,尚未发布有关COVID-19的系统评价。 方法:我们使用荟萃分析进行了系统的文献综述,使用三个数据库评估了COVID-19确诊病例的临床,实验室,影像学特征和结果。包括观察性研究以及病例报告,并分别进行分析。我们进行了随机效应模型荟萃分析,以计算合并患病率和95%置信区间(95%CI)。 结果:在该时间段(1/1 / 2020-2 / 23/2020)检索了660条文章。筛选后,选择了27篇文章进行全文评估,最后包括19篇文章进行定性和定量分析。此外,还包括39个案例报告文章,并分别进行了分析。对于656例患者,最常见的症状是发烧(88.7%,95%CI 84.5–92.9%),咳嗽(57.6%,95%CI 40.8–74.4%)和呼吸困难(45.6%,95%CI 10.9-80.4%) 。在这些患者中,有20.3%(95%CI 10.0–30.6%)需要加护病房(ICU),有32.8%的患者患有急性呼吸窘迫综合征(ARDS)(95%CI 13.7–51.8),有6.2%(95%CI 3.1) –9.3)中风。大约13.9%(95%CI 6.2–21.5%)的住院患者具有致命的预后(病死率,CFR)。 结论:COVID-19给医疗机构带来了巨大负担,尤其是在合并症患者中。约20%的多病态COVID-19感染患者需要ICU,住院治疗的CFR大于13%。随着这种病毒在全球范围内的传播,各国需要紧急准备人力资源,基础设施和设施来治疗严重的COVID-19。
  • 《医学人工智能报告指南:系统评价和荟萃分析》

    • 来源专题:重大疾病防治
    • 编译者:蒋君
    • 发布时间:2024-04-24
    • 背景 人工智能 (AI) 领域在医学领域具有变革性潜力。然而,由于缺乏通用的报告指南,在确保该领域已发表研究的有效性和可重复性方面带来了挑战。 方法 基于对国际财团和监管利益相关者以及医学和医学信息学领域领先期刊要求的学术出版物和报告标准的系统审查,本分析纳入了 2009 年至 2023 年间发布的 26 份报告指南。指南按广度(一般或特定于医学领域)、潜在共识质量和目标研究阶段(临床前、转化、临床)进行分层,随后分析指南项目的重叠和变化。 结果 医学研究的人工智能报告指南在基础共识过程的质量、广度和目标研究阶段方面各不相同。一些指南项目(例如研究设计和模型性能报告)在指南中反复出现,而其他项目则特定于特定领域和研究阶段。 结论 我们的分析强调了报告指南在临床人工智能研究中的重要性,并强调了需要制定通用标准来解决当前指南中已确定的变化和差距。总体而言,这一全面的概述可以帮助研究人员和公共利益相关者加强质量标准,以提高医疗保健领域人工智能研究的可靠性、可重复性、临床有效性和公众信任度。这可以促进人工智能方法安全、有效和合乎道德地转化为临床应用,最终改善患者的治疗效果。