A Prospective Longitudinal Study Evaluating The Influence of Immunosuppressives and Other Factors On COVID-19 in Autoimmune Rheumatic Diseases
Notice bibliographique
Résumé
Abstract Background We conducted this study to identify the influence of prolonged use of hydroxychloroquine(HCQ), glucocorticoids (GC) and other immunosuppressants (IS) on occurrence and outcome of COVID-19 in patients with autoimmune rheumatic diseases (AIRDs). Methods This was a prospective, multicenter, non-interventional longitudinal study across 15 specialist rheumatology centers. Consecutive AIRD patients on treatment with immunosuppressants were recruited and followed up longitudinally to assess parameters contributing to development of COVID-19 and its outcome. Results COVID-19 occurred in 314(3.45%) of 9212 AIRD patients during a median follow up of 177 (IQR 129,219) days. Long term HCQ use had no major impact on the occurrence or the outcome of COVID-19. Glucocorticoids in moderate dose (7.5-20mg/day) conferred higher risk (RR = 1.72) of infection. Among the IS, Mycophenolate mofetil (MMF), Cyclophosphamide (CYC) and Rituximab (RTX) use was higher in patients with COVID 19. However, the conventional risk factors such as male sex (RR = 1.51), coexistent diabetes mellitus (RR = 1.64), pre-existing lung disease (RR = 2.01) and smoking (RR = 3.32) were the major contributing risk factors for COVID-19. Thirteen patients (4.14%) died, the strongest risk factor being pre-existing lung disease (RR = 6.36, p = 0.01). Incidence ((17.5 vs 5.3 per 1 lakh (Karnataka) and 25.3 vs 7.9 per 1 lakh(Kerala) ) and case fatality (4.1% vs 1.3 % (Karnataka) and 4.3% vs 0.4% (Kerala)) rate of COVID-19 was significantly higher (p < 0.001) compared to the general population of the corresponding geographic region. Conclusions Immunosuppressants have a differential impact on the risk of COVID-19 occurrence in AIRD patients. Older age, males, smokers, hypertensive, diabetic and underlying lung disease contributed to higher risk. The incidence rate and the case fatality rate in AIRD patients is much higher than that in the general population.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».