Abstract 13656: Outcomes of Pre-existing Cardiovascular Disease Amongst COVID-19 Patients
Notice bibliographique
Résumé
Introduction: COVID-19 has multiorgan involvement and it is believed that outcomes are poor amongst patients with hypertension (HTN) and pre-existing cardiovascular disorders (CVD). Hypothesis: The objective of this meta-analysis is to evaluate outcomes [mortality and invasive mechanical ventilation (IMV) utilization] of COVID-19 in patients with pre-existing HTN and CVD. Methods: English full-text-observational studies having data on epidemiological characteristics of patients with COVID-19 were identified searching PubMed using MeSH-terms from December 1, 2019, to April 30, 2020. Studies having CVD or HTN as one of the pre-existing comorbidities and described outcomes including IMV and mortality were selected with a consensus of three reviewers. 29 studies met these criteria. Following MOOSE protocol, data on patients’ characteristics especially age and history of CVD, HTN, IMV, and mortality were pooled using a random-effects model. The pooled prevalence of CVD and HTN were calculated. Meta-regression was performed and correlation coefficient (r) and odds ratio (OR) were estimated to evaluate the effects of pre-existing CVD and HTN on outcomes of COVID-19 patients. Results: Out of 29 studies with COVID-19 epidemiology data, 21, 17, 18 and 19 studies have details on mortality, IMV, HTN, and pre-existing CVD, respectively. Pooled prevalence of HTN was 28.2% [95%CI:22.1%-35.1%; p<0.001; 4858/11626 patients; Heterogeneity (I 2 ):97.8%] and pre-existing CVD was 12.2% [8.9%-16.6%; p<0.001; 2044/11664 patients; I 2 :96.8%]. In age-adjusted meta-regression analysis, IMV was significantly higher among COVID-19 patients with pre-existing CVD [r:0.28; OR:1.3 (1.1-1.6); I 2 :89.7%; p=0.0028] without significant association with HTN [r:0.01; OR:1.0 (0.9-1.1); I 2 :95.9%; p=0.8161]. HTN [r:0.001; OR:1.0 (0.9-1.1); I 2 :96%; p=0.9685] and pre-existing CVD [r:-0.01; OR:0.9 (0.9-1.1); I 2 :96.3%; p=0.8772] had no significant association with mortality amongst COVID-19 patients. Conclusion: In the age-adjusted analysis, though we identified pre-existing CVD as a risk factor for higher utilization of IMV, pre-existing CVD and HTN had no independent role in increasing mortality.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,018 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».