Noncommunicable disease, clinical course and COVID-19 prognosis: results based on I-CORE Registry
Notice bibliographique
Résumé
Background: There are no data on the association between clinical course and comorbidity in Iranian patients with COVID-19. Aims: To determine noncommunicable disease (NCD), clinical characteristics and prognosis of patients hospitalized with COVID-19 in Isfahan, Islamic Republic of Iran. Methods: This multicentric retrospective observational study was performed on all patients hospitalized with COVID-19 in Isfahan from 17 February to 6 April 2020. We recruited 5055 patients. Data on clinical course and comorbid NCDs such as hypertension, coronary heart disease (CHD), diabetes mellitus (DM), cancer, chronic kidney disease (CKD) and chronic respiratory disease (CRD) were collected. Statistical analyses were done by Mann–Whitney U, χ2 and logistic regression tests using Stata version 14. Results: DM and hypertension were the most prevalent comorbidities in patients with positive and negative reverse transcription polymerase chain reaction (RT-PCR). Odds ratio (95% confidence interval) of mortality-associated factors was significant for DM [1.35 (1.07–1.70)], CHD [1.58 (1.26–1.96)], CRD [2.18 (1.58–3.0)], and cancer [3.55 (2.42–5.21)]. These results remained significant for cancer after adjustment for age, sex and clinical factors. Among patients with positive RT-PCR, death was significantly associated with CRD and cancer, while this association disappeared after adjustment for all potential confounders. There was a significant association between NCDs and higher occurrence of low oxygen saturation, mechanical ventilation requirement and intensive care unit admission after adjustment for age and sex. Conclusion: The presence of NCDs alone did not increase mortality in patients with COVID-19, after adjustment for all potential confounders including clinical factors.
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 | 0,008 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».