MétaCan
Menu
Retour à la cohorte
Enregistrement W3185661561 · doi:10.1101/2021.07.26.21261028

COVID-19 Disease Severity among People with HIV Infection or Solid Organ Transplant in the United States: A Nationally-representative, Multicenter, Observational Cohort Study

2021· preprint· en· W3185661561 sur OpenAlexaff
Jing Sun, Rena C. Patel, Qulu Zheng, Vithal Madhira, Amy L. Olex, Jessica Y. Islam, Evan French, Teresa Po‐Yu Chiang, Hana Akselrod, Richard A. Moffitt, G. Caleb Alexander, Kathleen M. Andersen, Amanda J. Vinson, Todd T. Brown, Christopher G. Chute, Keith A. Crandall, Nora Franceschini, Roslyn B. Mannon, Gregory D. Kirk

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensDalhousie University
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Allergy and Infectious DiseasesTranslational Research Institute, University of Arkansas for Medical SciencesUniversity of California, IrvineUniversity of California, San DiegoInstitute for Clinical and Translational Science, University of California, IrvineUniversity of California, DavisUniversity of California, Los AngelesNational Institutes of HealthFrontiers Clinical and Translational Science Institute, University of KansasLoyola University ChicagoOchsner HealthLouisiana Clinical and Translational Science CenterUniversity of California, San FranciscoChildren's Hospital of PhiladelphiaGeorgia Clinical and Translational Science AllianceInstitute for Translational Medicine and TherapeuticsHarvard Catalyst
Mots-clésMedicineOdds ratioComorbidityInternal medicineAsymptomaticRetrospective cohort studyCohortCohort studyConfidence intervalDiseaseLogistic regression

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Individuals with immune dysfunction, including people with HIV (PWH) or solid organ transplant recipients (SOT), might have worse outcomes from COVID-19. We compared odds of COVID-19 outcomes between patients with and without immune dysfunction. Methods We evaluated data from the National COVID-19 Cohort Collaborative (N3C), a multicenter retrospective cohort of electronic medical record (EMR) data from across the United States, on. 1,446,913 adult patients with laboratory-confirmed SARS-CoV-2 infection. HIV, SOT, comorbidity, and HIV markers were identified from EMR data prior to SARS-CoV-2 infection. COVID-19 disease severity within 45 days of SARS-CoV-2 infection was classified into 5 categories: asymptomatic/mild disease with outpatient care; mild disease with emergency department (ED) visit; moderate disease requiring hospitalization; severe disease requiring ventilation or extracorporeal membrane oxygenation (ECMO); and death. We used multivariable, multinomial logistic regression models to compare odds of COVID-19 outcomes between patients with and without immune dysfunction. Findings Compared to patients without immune dysfunction, PWH and SOT had a greater likelihood of having ED visits (adjusted odds ratio [aOR]: 1.28, 95% confidence interval [CI] 1.27-1.29; aOR: 2.61, CI: 2.58-2.65, respectively), requiring ventilation or ECMO (aOR: 1.43, CI: 1.43-1.43; aOR: 4.82, CI: 4.78-4.86, respectively), and death (aOR: 1.20, CI: 1.19-1.20; aOR: 3.38, CI: 3.35-3.41, respectively). Associations were independent of sociodemographic and comorbidity burden. Compared to PWH with CD4>500 cells/mm 3 , PWH with CD4<350 cells/mm 3 were independently at 4.4-, 5.4-, and 7.6-times higher odds for hospitalization, requiring ventilation, and death, respectively. Increased COVID-19 severity was associated with higher levels of HIV viremia. Interpretation Individuals with immune dysfunction have greater risk for severe COVID-19 outcomes. More advanced HIV disease (greater immunosuppression and HIV viremia) was associated with higher odds of severe COVID-19 outcomes. Appropriate prevention and treatment strategies should be investigated to reduce the higher morbidity and mortality associated with COVID-19 among PWH and SOT.

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)0,003
score de la tête « metaresearch » (Gemma)0,038
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,086
Tête enseignante GPT0,425
Écart entre enseignants0,339 · 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

Citations50
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207