Obesity and Disease Severity Among Patients With COVID-19
Notice bibliographique
Résumé
Background Obesity can be associated with one or more co-morbidities that worsen the effect of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Studies demonstrated that severe forms of coronavirus disease (COVID-19) have occurred in elderly patients and patients with co-morbidities such as diabetes, hypertension, and cardiovascular diseases. Objective This study investigated the impact of obesity on COVID-19 severity, irrespective of other individual factors. Methods This retrospective observational study included all adult patients with confirmed COVID-19 infection, who were admitted to Sheikh Khalifa Ibn Zaid International University Hospital between March 20 and May 10, 2020. First, we compared patients with and those without obesity in terms of demographic characteristics, co-morbidities, clinical symptoms, and outcomes. Further, using logistic regression models, we analyzed the association between obesity and intensive care unit (ICU) admission. Also, we examined whether the association between obesity and ICU admission was also consistent among overweight patients. Results The study population included 107 patients with confirmed COVID-19 infection. Obese patients have been admitted in ICU more than patients without obesity (P-value = 0.035). While adjusting for other risk factors for ICU admission, we found that obesity was an independent risk factor for ICU admission (OR = 5.04, 95% CI (1.14-22.37)). When we examined the association of both obesity and overweight with ICU admission, we found that only obesity was significantly associated with ICU admission (OR = 9.11, 95% CI (1.49-55.84)). Conclusion Our study found that obesity was strongly associated with severity of COVID-19. The risk of ICU admission is greater in the presence of obesity. Physicians should be awarded to the need of specific and early management of obese patients with COVID-19 disease.
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 | 0,000 | 0,047 |
| 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 | 0,000 |
| 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 ».