COVID-19 in patients undergoing long-term dialysis in Ontario
Notice bibliographique
Résumé
BACKGROUND: Patients undergoing long-term dialysis may be at higher risk of infection with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and of associated disease and mortality. We aimed to describe the incidence, risk factors and outcomes for infection in these patients in Ontario, Canada. METHODS: We used linked data sets to compare disease characteristics and mortality between patients receiving long-term dialysis in Ontario who were diagnosed SARS-CoV-2 positive and those who did not acquire SARS-CoV-2 infection, between Mar. 12 and Aug. 20, 2020. We collected data on SARS-CoV-2 infection prospectively. We evaluated risk factors for infection and death using multivariable logistic regression analyses. RESULTS: During the study period, 187 (1.5%) of 12 501 patients undergoing dialysis were diagnosed with SARS-CoV-2 infection. Of those with SARS-CoV-2 infection, 117 (62.6%) were admitted to hospital and the case fatality rate was 28.3%. Significant predictors of infection included in-centre hemodialysis versus home dialysis (odds ratio [OR] 2.54, 95% confidence interval [CI] 1.59-4.05), living in a long-term care residence (OR 7.67, 95% CI 5.30-11.11), living in the Greater Toronto Area (OR 3.27, 95% CI 2.21-4.80), Black ethnicity (OR 3.05, 95% CI 1.95-4.77), Indian subcontinent ethnicity (OR 1.70, 95% CI 1.02-2.81), other non-White ethnicities (OR 2.03, 95% CI 1.38-2.97) and lower income quintiles (OR 1.82, 95% CI 1.15-2.89). INTERPRETATION: Patients undergoing long-term dialysis are at increased risk of SARS-CoV-2 infection and death from coronavirus disease 2019. Special attention should be paid to addressing risk factors for infection, and these patients should be prioritized for vaccination.
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 | 0,003 | 0,246 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».