Declining Intensive Care Unit Mortality of COVID-19: A Multi-Center Study
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) mortality has waned significantly over time; however, factors contributing towards this reduction largely remain unidentified. The purpose of this study was to evaluate the trend in mortality at our large tertiary academic health system and factors contributing to this trend. Methods: This is a retrospective cohort study of intensive care unit (ICU) patients diagnosed with COVID-19 between March and August 2020 admitted across 14 hospitals in the Philadelphia area. Collected data included demographics, comorbidities, admission risk of mortality score, laboratory values, medical interventions, survival outcomes, hospital and ICU length of stay (LOS) and discharge disposition. Chi-square (? 2 ) test, Fisher exact test, Cochran-Mantel-Haenszel method, multinomial logistic regression models, independent sample t -test, Mann-Whitney U test and one-way analysis of variance (ANOVA) were used. Results: A total of 1,204 patients were included. Overall mortality was 39%. Mortality declined significantly from 46% in March to 14% in August 2020 (P < 0.05). The most common underlying comorbidities were hypertension (60.2%), diabetes mellitus (44.7%), dyslipidemia (31.6%) and congestive heart failure (14.7%). Hydroxychloroquine (HCQ) use was more commonly associated with the patients who died, while the use of remdesivir, tocilizumab, steroids and duration of these medications were not significantly different. Peak values of ferritin, lactate dehydrogenase (LDH), C-reactive protein (CRP) and D-dimer levels were significantly higher in patients who died (P < 0.05). The mean hospital LOS was significantly longer in the patients who survived compared to the patients who died (18 vs. 12, P < 0.05). Conclusions: The mortality of patients admitted to our ICU system significantly decreased over time. Factors that may have contributed to this may be the result of a better understanding of COVID-19 pathophysiology and treatments. Further research is needed to elucidate the factors contributing to a reduction in the mortality rate for this patient population. J Clin Med Res. 2021;13(3):184-190 doi: https://doi.org/10.14740/jocmr4452
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».