Risk of Adverse Outcomes in Hospitalized Patients With Autoimmune Disease and COVID-19: A Matched Cohort Study From New York City
Notice bibliographique
Résumé
Objective. To examine the effect of autoimmune (AI) disease on the composite outcome of intensive care unit (ICU) admission, intubation, or death from COVID-19 in hospitalized patients. Methods. Retrospective cohort study of 186 patients hospitalized with COVID-19 between March 1, 2020, and April 15, 2020 at NewYork-Presbyterian Hospital/Columbia University Irving Medical Center. The cohort included 62 patients with AI disease and 124 age- and sex-matched controls. The primary outcome was a composite of ICU admission, intubation, and death, with secondary outcome as time to in-hospital death. Baseline demographics, comorbidities, medications, vital signs, and laboratory values were collected. Conditional logistic regression and Cox proportional hazards regression were used to assess the association between AI disease and clinical outcomes. Results. Patients with AI disease were more likely to have at least one comorbidity (87.1% vs 74.2%, P = 0.04), take chronic immunosuppressive medications (66.1% vs 4.0%, P < 0.01), and have had a solid organ transplant (16.1% vs 1.6%, P < 0.01). There were no significant differences in ICU admission (13.7% vs 19.4%, P = 0.32), intubation (13.7% vs 17.7%, P = 0.47), or death (16.1% vs 14.5%, P = 0.78). On multivariable analysis, patients with AI disease were not at an increased risk for a composite outcome of ICU admission, intubation, or death (OR adj 0.79, 95% CI 0.37–1.67). On Cox regression, AI disease was not associated with in-hospital mortality (HR adj 0.73, 95% CI 0.33–1.63). Conclusion. Among patients hospitalized with COVID-19, individuals with AI disease did not have an increased risk of a composite outcome of ICU admission, intubation, or death.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».