COVID‐19 infection in patients with connective tissue disease: A multicity study in Hubei province, China
Notice bibliographique
Résumé
Abstract Novel Coronavirus disease 2019 (COVID‐19) has spread rapidly around the world. Individuals with immune dysregulation and/or on immunosuppressive therapy, such as rheumatic patients, are considered at greater risk for infections. However, the risks of patients with each subcategory of rheumatic diseases have not been reported. Here, we identified 100 rheumatic patients from 18,786 COVID‐19 patients hospitalized in 23 centers affiliated to Hubei COVID‐19 Rheumatology Alliance between January 1 and April 1, 2020. Demographic information, medical history, length of hospital stay, classification of disease severity, symptoms and signs, laboratory tests, disease outcome, computed tomography, and treatments information were collected. Compared to gout and ankylosing spondylitis (AS) patients, patients with connective tissue disease (CTD) tend to be more severe after COVID‐19 infection (p = 0.081). CTD patients also had lower lymphocyte counts, hemoglobin, and platelet counts (p values were 0.033, < 0.001, and 0.071, respectively). Hydroxychloroquine therapy and low‐ to medium‐dose glucocorticoids before COVID‐19 diagnosis reduced the progression of COVID‐19 to severe/critical conditions (p = 0.001 for hydroxychloroquine; p = 0.006 for glucocorticoids). Our data suggests that COVID‐19 in CTD patients may be more severe compared to patients with AS or gout.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».