Combination of obesity and co-morbidities leads to unfavorable outcomes in COVID-19 patients
Notice bibliographique
Résumé
Obesity has been described as a significant independent risk factors of COVID-19. We aimed to study the association between obesity, co-morbidities and clinical outcomes of COVID-19. Clinical data from 417 patients were collected retrospectively from the Al Kuwait Hospital, Ministry of Health and Prevention (MOHAP), Dubai, United Arab Emirates, who were admitted between March and June 2020. Patients were divided according to their body mass index (BMI). Various clinical outcomes were examined: presenting symptoms, severity, major co-morbidities, ICU admission, death, ventilation, ARDS, septic shock and laboratory parameters. The average BMI was 29 ± 6.2 kg/m2. BMI alone was not associated with the outcomes examined. However, class II obese patients had more co-morbidities compared to other groups. Hypertension was the most significant co-morbidity associated with obesity. Patients with BMI above the average BMI (29 kg/m2) and presence of underlying co-morbidities showed significant increase in admission to ICU compared to patients below 29 kg/m2 and underlying co-morbidities (21.7% Vs. 9.2%), ARDS development (21.7% Vs. 10.53%), need for ventilation (8.3% Vs. 1.3%), and mortality (10% Vs. 1.3%). Our data suggests that presence of underlying co-morbidities and high BMI work synergistically to affect the clinical outcomes of COVID-19.
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 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».