Oxygen and Mortality in COVID-19 Pneumonia: A Comparative Analysis of Supplemental Oxygen Policies and Health Outcomes Across 26 Countries
Notice bibliographique
Résumé
Introduction: Hypoxia is the main cause of morbidity and mortality in COVID-19. During the COVID-19 pandemic, some countries have reduced access to supplemental oxygen, whereas other nations have maintained and even improved access to supplemental oxygen. We examined whether variation in the nationally determined oxygen guidelines had any association with national mortality rates in COVID-19. Methods: Three independent investigators searched for, identified, and extracted the nationally recommended target oxygen levels for the commencement of oxygen in COVID-19 pneumonia from the 29 worst affected countries. Mortality estimates were calculated from three independent sources. We then applied both parametric (Pearson's R) and non-parametric (Kendall's Tau B) tests of bivariate association to determine the relationship between case fatality rate (CFR) and target SpO 2 , and also between potential confounders and CFR. Results: Of the 26 nations included, 15 had employed conservative oxygen strategies to manage COVID-19 pneumonia. Of them, Belgium, France, USA, Canada, China, Germany, Mexico, Spain, Sweden, and the UK guidelines advised commencing oxygen when oxygen saturations (SpO 2 ) fell to 91% or less. A statistically significant correlation was found between SpO 2 and CFR both parametrically ( R = −0.53, P < 0.01) and non-parametrically (−0.474, P < 0.01). Conclusion: Our study highlights the disparity in oxygen provision for COVID-19 patients between the nations analysed. In those nations that pursued a conservative oxygen strategy, there was an association with higher national mortality rates. We discuss the potential reasons for such an association.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».