A Simplified Comorbidity Evaluation Predicting Clinical Outcomes Among Patients With Coronavirus Disease 2019
Notice bibliographique
Résumé
BACKGROUND: Patients with coronavirus disease 2019 (COVID-19) have shown a range of clinical outcomes. Previous studies have reported that patient comorbidities are predictive of worse clinical outcomes, especially when patients have multiple chronic diseases. We aim to: 1) derive a simplified comorbidity evaluation and determine its accuracy of predicting clinical outcomes (i.e., hospital admission, intensive care unit (ICU) admission, ventilation, and in-hospital mortality); and 2) determine its performance accuracy in comparison to well-established comorbidity indexes. METHODS: This was a single-center retrospective observational study. We enrolled all emergency department (ED) patients with COVID-19 from March 1, 2020, to December 31, 2020. A simplified comorbidity evaluation (COVID-related high-risk chronic condition (CCC)) was derived to predict different clinical outcomes using multivariate logistic regressions. In addition, chronic diseases included in the Charlson Comorbidity Index (CCI) and Elixhauser Comorbidity Index (ECI) were scored, and its accuracy of predicting COVID-19 clinical outcomes was also compared with the CCC. RESULTS: Data were retrieved from 90,549 ED patient visits during the study period, among which 3,864 patients were COVID-19 positive. Forty-seven point nine percent (1,851/3,864) were admitted to the hospital, 9.4% (364) patients were admitted to the ICU, 6.2% (238) received invasive mechanical ventilation, and 4.6% (177) patients died in the hospital. The CCC evaluation correlated well with the four studied clinical outcomes. The adjusted odds ratios of predicting in-hospital death from CCC was 2.84 (95% confidence interval (CI): 1.81 - 4.45, P < 0.001). C-statistics of CCC predicting in-hospital all-cause mortality was 0.73 (0.69 - 0.76), similar to those of the CCI's (0.72) and ECI's (0.71, P = 0.0513). CONCLUSIONS: CCC can accurately predict clinical outcomes among patients with COVID-19. Its performance accuracies for such predictions are not inferior to those of the CCI or ECI's.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».