Predictors of mortality among <scp>long‐term</scp> care residents with <scp>SARS‐CoV</scp> ‐2 infection
Notice bibliographique
Résumé
BACKGROUND: While individuals living in long-term care (LTC) homes have experienced adverse outcomes of SARS-CoV-2 infection, few studies have examined a broad range of predictors of 30-day mortality in this population. METHODS: We studied residents living in LTC homes in Ontario, Canada, who underwent PCR testing for SARS-CoV-2 infection from January 1 to August 31, 2020, and examined predictors of all-cause death within 30 days after a positive test for SARS-CoV-2. We examined a broad range of risk factor categories including demographics, comorbidities, functional status, laboratory tests, and characteristics of the LTC facility and surrounding community were examined. In total, 304 potential predictors were evaluated for their association with mortality using machine learning (Random Forest). RESULTS: A total of 64,733 residents of LTC, median age 86 (78, 91) years (31.8% men), underwent SARS-CoV-2 testing, of whom 5029 (7.8%) tested positive. Thirty-day mortality rates were 28.7% (1442 deaths) after a positive test. Of 59,702 residents who tested negative, 2652 (4.4%) died within 30 days of testing. Predictors of mortality after SARS-CoV-2 infection included age, functional status (e.g., activity of daily living score and pressure ulcer risk), male sex, undernutrition, dehydration risk, prior hospital contacts for respiratory illness, and duration of comorbidities (e.g., heart failure, COPD). Lower GFR, hemoglobin concentration, lymphocyte count, and serum albumin were associated with higher mortality. After combining all covariates to generate a risk index, mortality rate in the highest risk quartile was 48.3% compared with 7% in the first quartile (odds ratio 12.42, 95%CI: 6.67, 22.80, p < 0.001). Deaths continued to increase rapidly for 15 days after the positive test. CONCLUSIONS: LTC residents, particularly those with reduced functional status, comorbidities, and abnormalities on routine laboratory tests, are at high risk for mortality after SARS-CoV-2 infection. Recognizing high-risk residents in LTC may enhance institution of appropriate preventative measures.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».