Sex differences in clinical phenotype and transitions of care among individuals dying of COVID-19 in Italy
Notice bibliographique
Résumé
BACKGROUND: Among the unknowns posed by the coronavirus disease 2019 (COVID-19) outbreak, the role of biological sex to explain disease susceptibility and progression is still a matter of debate, with limited sex-disaggregated data available. METHODS: A retrospective analysis was performed to assess if sex differences exist in the clinical manifestations and transitions of care among hospitalized individuals dying with laboratory-confirmed SARS-CoV-2 infection in Italy (February 27-June 11, 2020). Clinical characteristics and the times from symptoms' onset to admission, nasopharyngeal swab, and death were compared between sexes. Adjusted multivariate analysis was performed to identify the clinical features associated with male sex. RESULTS: Of the 32,938 COVID-19-related deaths that occurred in Italy, 3517 hospitalized and deceased individuals with COVID-19 (mean 78 ± 12 years, 33% women) were analyzed. At admission, men had a higher prevalence of ischemic heart disease (adj-OR = 1.76, 95% CI 1.39-2.23), chronic obstructive pulmonary disease (adj-OR = 1.7, 95% CI 1.29-2.27), and chronic kidney disease (adj-OR = 1.48, 95% CI 1.13-1.96), while women were older and more likely to have dementia (adj-OR = 0.73, 95% CI 0.55-0.95) and autoimmune diseases (adj-OR = 0.40, 95% CI 0.25-0.63), yet both sexes had a high level of multimorbidity. The times from symptoms' onset to admission and nasopharyngeal swab were slightly longer in men despite a typical acute respiratory illness with more frequent fever at the onset. Men received more often experimental therapy (adj-OR = 2.89, 95% CI 1.45-5.74) and experienced more likely acute kidney injury (adj-OR = 1.47, 95% CI 1.13-1.90). CONCLUSIONS: Men and women dying with COVID-19 had different clinical manifestations and transitions of care. Identifying sex-specific features in individuals with COVID-19 and fatal outcome might inform preventive strategies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».