MétaCan
Menu
Retour à la cohorte
Enregistrement W3150704428 · doi:10.3389/fendo.2021.652765

Poor Metabolic Health Increases COVID-19-Related Mortality in the UK Biobank Sample

2021· article· en· W3150704428 sur OpenAlexafffund
Filip Morys, Alain Dagher

Notice bibliographique

RevueFrontiers in Endocrinology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health Research
Mots-clésWaistMedicineDyslipidemiaConfoundingBiobankObesityDiabetes mellitusMetabolic syndromeMortality rateBlood pressureLogistic regressionOdds ratioInternal medicineDemographyEndocrinologyBiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Previous studies link obesity and components of metabolic health, such as hypertension or inflammation, to increased hospitalizations and mortality of patients with COVID-19. Here, in two overlapping samples of over 1,000 individuals from the UK Biobank we investigate whether metabolic health as measured by waist circumference, dyslipidemia, hypertension, type 2 diabetes, and systemic inflammation is related to increased COVID-19 infection and mortality rate. Using logistic regression and controlling for confounding variables such as socioeconomic status, age, sex or ethnicity, we find that individuals with worse metabolic health (measured on average eleven years prior to 2020) have an increased risk for COVID-19-related death (adjusted odds ratio: 1.75). We also find that specific factors contributing to increased mortality are increased serum glucose levels, systolic blood pressure and waist circumference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,070
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,181
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,070
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,073
Tête enseignante GPT0,439
Écart entre enseignants0,366 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in EndocrinologyMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207