MétaCan
Menu
Retour à la cohorte
Enregistrement W3133514240 · doi:10.2196/27091

Association Between Smoking and SARS-CoV-2 Infection: Cross-sectional Study of the EPICOVID19 Internet-Based Survey

2021· article· en· W3133514240 sur OpenAlexvenueno aff
Federica Prinelli, Fabrizio Bianchi, Gaspare Drago, Silvia Ruggieri, Aleksandra Šojić, Nithiya Jesuthasan, Sabrina Molinaro, Luca Bastiani, Stefania Maggi, Marianna Noale, Massimo Galli, Andrea Giacomelli, Raffaele Antonelli Incalzi, Fulvio Adorni, Fabio Cibella

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesUniversità degli Studi di FirenzeUniversità degli Studi di Padova
Mots-clésMedicineCross-sectional studyConfoundingOdds ratioEpidemiologyLogistic regressionPopulationCoronavirus disease 2019 (COVID-19)Environmental healthDemographyInternal medicineDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Several studies have reported a low prevalence of current smoking among hospitalized COVID-19 cases; however, no definitive conclusions can be drawn. OBJECTIVE: We investigated the association of tobacco smoke exposure with nasopharyngeal swab (NPS) test results for SARS-CoV-2 infection and disease severity accounting for possible confounders. METHODS: The nationwide, self-administered, cross-sectional web-based Italian National Epidemiological Survey on COVID-19 (EPICOVID19) was administered to an Italian population of 198,822 adult volunteers who filled in an online questionnaire between April 13 and June 2, 2020. For this study, we analyzed 6857 individuals with known NPS test results. The associations of smoking status and the dose-response relationship with a positive NPS test result and infection severity were calculated as odds ratios (ORs) with 95% CIs by means of logistic and multinomial regression models adjusting for sociodemographic, clinical, and behavioral characteristics. RESULTS: Out of the 6857 individuals (mean age 47.9 years, SD 14.1; 4516/6857, 65.9% female), 63.2% (4334/6857) had never smoked, 21.3% (1463/6857) were former smokers, and 15.5% (1060/6857) were current smokers. Compared to nonsmokers, current smokers were younger, were more educated, were less affected by chronic diseases, reported COVID-19-like symptoms less frequently, were less frequently hospitalized, and less frequently tested positive for COVID-19. In multivariate analysis, current smokers had almost half the odds of a positive NPS test result (OR 0.54, 95% CI 0.45-0.65) compared to nonsmokers. We also found a dose-dependent relationship with tobacco smoke: mild smokers (adjusted OR [aOR] 0.76, 95% CI 0.55-1.05), moderate smokers (aOR 0.56, 95% CI 0.42-0.73), and heavy smokers (aOR 0.38, 95% CI 0.27-0.53). This inverse association also persisted when considering the severity of the infection. Current smokers had a statistically significantly lower probability of having asymptomatic (aOR 0.50, 95% CI 0.27-0.92), mild (aOR 0.65, 95% CI 0.53-0.81), and severe infections (aOR 0.27, 95% CI 0.17-0.42) compared to those who never smoked. CONCLUSIONS: Current smoking was negatively associated with SARS-CoV-2 infection with a dose-dependent relationship. Ad hoc experimental studies are needed to elucidate the mechanisms underlying this association. TRIAL REGISTRATION: ClinicalTrials.gov NCT04471701; https://clinicaltrials.gov/ct2/show/NCT04471701.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,389
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSmoking Behavior and CessationTravaux en français237 207