MétaCan
Menu
Retour à la cohorte
Enregistrement W2319916234 · doi:10.1186/s13054-016-1230-8

The influence of corticosteroid treatment on the outcome of influenza A(H1N1pdm09)-related critical illness

2016· article· en· W2319916234 sur OpenAlexafffundabout
Jesse W. Delaney, Ruxandra Pinto, Jennifer Long, François Lamontagne, Neill K. J. Adhikari, Anand Kumar, John C. Marshall, Philippe Jouvet, Niall D. Ferguson, Donald Griesdale, Lisa Burry, Karen E. A. Burns, Jamie Hutchison, Sangeeta Mehta, Kusum Menon, Robert Fowler

Notice bibliographique

RevueCritical Care · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueAdrenal Hormones and Disorders
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of OttawaSickKids FoundationUniversity of British ColumbiaVancouver General HospitalMount Sinai HospitalHospital for Sick ChildrenUniversité de MontréalUniversity of ManitobaSt. Joseph’s Healthcare HamiltonUniversity Health NetworkSt. Joseph's HospitalSunnybrook Health Science CentreSt. Michael's HospitalManitoba HealthCentre Hospitalier Universitaire Sainte-JustineMcMaster UniversityUniversity of TorontoUniversité de SherbrookeSunnybrook Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health AgencyPublic Health Agency of CanadaHeart and Stroke Foundation of Canada
Mots-clésMedicineInterquartile rangeConfoundingOdds ratioLogistic regressionConfidence intervalInternal medicineObservational studyCorticosteroidCohort study

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with 2009 pandemic influenza A(H1N1pdm09)-related critical illness were frequently treated with systemic corticosteroids. While observational studies have reported significant corticosteroid-associated mortality after adjusting for baseline differences in patients treated with corticosteroids or not, corticosteroids have remained a common treatment in subsequent influenza outbreaks, including avian influenza A(H7N9). Our objective was to describe the use of corticosteroids in these patients and investigate predictors of steroid prescription and clinical outcomes, adjusting for both baseline and time-dependent factors. METHODS: In an observational cohort study of adults with H1N1pdm09-related critical illness from 51 Canadian ICUs, we investigated predictors of steroid administration and outcomes of patients who received and those who did not receive corticosteroids. We adjusted for potential baseline confounding using multivariate logistic regression and propensity score analysis and adjusted for potential time-dependent confounding using marginal structural models. RESULTS: Among 607 patients, corticosteroids were administered to 280 patients (46.1%) at a median daily dose of 227 (interquartile range, 154-443) mg of hydrocortisone equivalents for a median of 7.0 (4.0-13.0) days. Compared with patients who did not receive corticosteroids, patients who received corticosteroids had higher hospital crude mortality (25.5% vs 16.4%, p = 0.007) and fewer ventilator-free days at 28 days (12.5 ± 10.7 vs 15.7 ± 10.1, p < 0.001). The odds ratio association between corticosteroid use and hospital mortality decreased from 1.85 (95% confidence interval 1.12-3.04, p = 0.02) with multivariate logistic regression, to 1.71 (1.05-2.78, p = 0.03) after adjustment for propensity score to receive corticosteroids, to 1.52 (0.90-2.58, p = 0.12) after case-matching on propensity score, and to 0.96 (0.28-3.28, p = 0.95) using marginal structural modeling to adjust for time-dependent between-group differences. CONCLUSIONS: Corticosteroids were commonly prescribed for H1N1pdm09-related critical illness. Adjusting for only baseline between-group differences suggested a significant increased risk of death associated with corticosteroids. However, after adjusting for time-dependent differences, we found no significant association between corticosteroids and mortality. These findings highlight the challenges and importance in adjusting for baseline and time-dependent confounders when estimating clinical effects of treatments using observational studies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,355
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetAdrenal Hormones and DisordersTravaux en français237 207