Association Between Nonsteroidal Antiinflammatory Drug Use and Adverse Clinical Outcomes Among Adults Hospitalized With Coronavirus 2019 in South Korea: A Nationwide Study
Notice bibliographique
Résumé
BACKGROUND: Nonsteroidal antiinflammatory drugs (NSAIDs) may exacerbate coronavirus disease 2019 (COVID-19) and worsen associated outcomes by upregulating the enzyme that severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) binds to in order to enter cells. METHODS: We conducted a cohort study using South Korea's nationwide healthcare database, which contains data for all individuals who received a COVID-19 test (n = 69 793) as of 8 April 2020. We identified adults hospitalized with COVID-19, where cohort entry was the date of hospitalization. NSAID users were those prescribed NSAIDs in the 7 days before and including cohort entry, and nonusers were those not prescribed NSAIDs during this period. Our primary outcome was a composite of in-hospital death, intensive care unit admission, mechanical ventilation use, and sepsis; our secondary outcomes were cardiovascular complications and acute renal failure. We conducted logistic regression analysis to estimate odds ratio (OR) with 95% confidence intervals (CIs) using inverse probability of treatment weighting to minimize confounding. RESULTS: Of 1824 adults hospitalized with COVID-19 (mean age, 49.0 years; female, 59%), 354 were NSAID users and 1470 were nonusers. Compared with nonuse, NSAID use was associated with increased risks of the primary composite outcome (OR, 1.54; 95% CI, 1.13-2.11) but insignificantly associated with cardiovascular complications (OR, 1.54; 95% CI, 0.96-2.48) or acute renal failure (OR, 1.45; 95% CI, 0.49-4.14). CONCLUSIONS: While awaiting the results of confirmatory studies, we suggest NSAIDs be used with caution for COVID-19 patients as the harms associated with their use may outweigh their benefits.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».