The predictive power of serum vitamin D for poor outcomes in COVID‐19 patients
Notice bibliographique
Résumé
Abstract Considering the high prevalence of vitamin D deficiency worldwide and its relationship with immune response to viral infections, this study attempted to identify the predictive power of serum vitamin D for poor outcomes among the COVID‐19 patients. This retrospective cohort study included all patients with confirmed COVID‐19 hospitalized between February 20, 2020, and April 20, 2020, at a designated COVID‐19 hospital, located in Tehran province, Iran. General characteristics, medical history and clinical symptoms were recorded by trained physicians. Blood parameters including complete blood count, creatinine, lactate dehydrogenase, creatine phosphokinase, erythrocyte sedimentation rate, C‐reactive protein and vitamin D were tested. This study included 290 hospitalized patients with COVID‐19 (the mean age [ SD ]: 61.6 [16.9], 56.6% males), of whom 142 had vitamin D concentrations less than 20 ng/ml, defined as vitamin D deficiency. COVID‐19 patients with vitamin D deficiency were more likely to die (Crude OR [95% CI]: 2.30 [1.25–4.26]), require ICU (2.06 [1.22–3.46]) and invasive mechanical ventilation (2.03 [1.04–3.93]) based on univariate logistic regression results. Although, after adjusting for potentials confounders such as gender and age, the association between vitamin D and need to invasive mechanical ventilation lost its significance, adjusted values for the risk of death and ICU requirement were still statistically significant. Vitamin D deficiency can be considered as a predictor of poor outcomes and mortality in COVID‐19 patients. Therefore, checking serum 25 (OH) D on admission and taking vitamin D supplements according to the prophylactic or treatment protocols is recommended for all COVID‐19 patients.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».