MétaCan
Menu
Retour à la cohorte
Enregistrement W3016572296 · doi:10.1161/circresaha.120.317134

Association of Inpatient Use of Angiotensin-Converting Enzyme Inhibitors and Angiotensin II Receptor Blockers With Mortality Among Patients With Hypertension Hospitalized With COVID-19

2020· article· en· W3016572296 sur OpenAlexaff
Peng Zhang, Lihua Zhu, Jingjing Cai, Fang Lei, Juan‐Juan Qin, Jing Xie, Ye-Mao Liu, Yan-Ci Zhao, Xuewei Huang, Lijin Lin, Xia Meng, Mingming Chen, Xu Cheng, Xiao Zhang, Deliang Guo, Yuanyuan Peng, Yan‐Xiao Ji, Jing Chen, Zhi‐Gang She, Yibin Wang, Qingbo Xu, Renfu Tan, Haitao Wang, Jun Lin, Pengcheng Luo, Shouzhi Fu, Hongbin Cai, Ping Ye, Bing Xiao, Weiming Mao, Li Liu, Youqin Yan, Mingyu Liu, Manhua Chen, Xiao‐Jing Zhang, Xinghuan Wang, Rhian M. Touyz, Jiahong Xia, Binghong Zhang, Xiaodong Huang, Yufeng Yuan, Rohit Loomba, Peter P. Liu, Hongliang Li

Notice bibliographique

RevueCirculation Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésMedicineInterquartile rangeHazard ratioInternal medicineAngiotensin-converting enzymePropensity score matchingProportional hazards modelRetrospective cohort studyConfidence intervalBlood pressure

Résumé

récupéré en direct d'OpenAlex

Rationale: Use of ACEIs (angiotensin-converting enzyme inhibitors) and ARBs (angiotensin II receptor blockers) is a major concern for clinicians treating coronavirus disease 2019 (COVID-19) in patients with hypertension. Objective: To determine the association between in-hospital use of ACEI/ARB and all-cause mortality in patients with hypertension and hospitalized due to COVID-19. Methods and Results: This retrospective, multi-center study included 1128 adult patients with hypertension diagnosed with COVID-19, including 188 taking ACEI/ARB (ACEI/ARB group; median age 64 [interquartile range, 55–68] years; 53.2% men) and 940 without using ACEI/ARB (non-ACEI/ARB group; median age 64 [interquartile range 57–69]; 53.5% men), who were admitted to 9 hospitals in Hubei Province, China from December 31, 2019 to February 20, 2020. In mixed-effect Cox model treating site as a random effect, after adjusting for age, gender, comorbidities, and in-hospital medications, the detected risk for all-cause mortality was lower in the ACEI/ARB group versus the non-ACEI/ARB group (adjusted hazard ratio, 0.42 [95% CI, 0.19–0.92]; P =0.03). In a propensity score-matched analysis followed by adjusting imbalanced variables in mixed-effect Cox model, the results consistently demonstrated lower risk of COVID-19 mortality in patients who received ACEI/ARB versus those who did not receive ACEI/ARB (adjusted hazard ratio, 0.37 [95% CI, 0.15–0.89]; P =0.03). Further subgroup propensity score-matched analysis indicated that, compared with use of other antihypertensive drugs, ACEI/ARB was also associated with decreased mortality (adjusted hazard ratio, 0.30 [95% CI, 0.12–0.70]; P =0.01) in patients with COVID-19 and coexisting hypertension. Conclusions: Among hospitalized patients with COVID-19 and coexisting hypertension, inpatient use of ACEI/ARB was associated with lower risk of all-cause mortality compared with ACEI/ARB nonusers. While study interpretation needs to consider the potential for residual confounders, it is unlikely that in-hospital use of ACEI/ARB was associated with an increased mortality risk.

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,090
Tête enseignante GPT0,366
Écart entre enseignants0,276 · 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

Citations1 185
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207