Risk Factors for Coronavirus Disease 2019 (COVID-19) Death in a Population Cohort Study from the Western Cape Province, South Africa
Notice bibliographique
Résumé
BACKGROUND: Risk factors for coronavirus disease 2019 (COVID-19) death in sub-Saharan Africa and the effects of human immunodeficiency virus (HIV) and tuberculosis on COVID-19 outcomes are unknown. METHODS: We conducted a population cohort study using linked data from adults attending public-sector health facilities in the Western Cape, South Africa. We used Cox proportional hazards models, adjusted for age, sex, location, and comorbidities, to examine the associations between HIV, tuberculosis, and COVID-19 death from 1 March to 9 June 2020 among (1) public-sector "active patients" (≥1 visit in the 3 years before March 2020); (2) laboratory-diagnosed COVID-19 cases; and (3) hospitalized COVID-19 cases. We calculated the standardized mortality ratio (SMR) for COVID-19, comparing adults living with and without HIV using modeled population estimates. RESULTS: Among 3 460 932 patients (16% living with HIV), 22 308 were diagnosed with COVID-19, of whom 625 died. COVID-19 death was associated with male sex, increasing age, diabetes, hypertension, and chronic kidney disease. HIV was associated with COVID-19 mortality (adjusted hazard ratio [aHR], 2.14; 95% confidence interval [CI], 1.70-2.70), with similar risks across strata of viral loads and immunosuppression. Current and previous diagnoses of tuberculosis were associated with COVID-19 death (aHR, 2.70 [95% CI, 1.81-4.04] and 1.51 [95% CI, 1.18-1.93], respectively). The SMR for COVID-19 death associated with HIV was 2.39 (95% CI, 1.96-2.86); population attributable fraction 8.5% (95% CI, 6.1-11.1). CONCLUSIONS: While our findings may overestimate HIV- and tuberculosis-associated COVID-19 mortality risks due to residual confounding, both living with HIV and having current tuberculosis were independently associated with increased COVID-19 mortality. The associations between age, sex, and other comorbidities and COVID-19 mortality were similar to those in other settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».