Lifestyle and Comorbidity-Related Risk Factors of Severe and Critical COVID-19 Infection: A Comparative Study Among Survived COVID-19 Patients in Bangladesh
Notice bibliographique
Résumé
BACKGROUND: Severe COVID-19 infections have already taken more than 4 million lives worldwide. Factors, such as socio-demographics, comorbidities, lifestyles, environment, and so on, have been widely discussed to be associated with increased severity in many countries. The study aimed to determine the risk factors of severe-critical COVID-19 in Bangladesh. METHODS: This was a comparative cross-sectional study among various types of COVID-19 patients (both hospitalized and non-hospitalized) confirmed by reverse transcription polymerase chain reaction (RT-PCR). We have selected 1500 COVID-19 positive patients using a convenient sampling technique and analyzed lifestyle and comorbidity-related data using IBM SPSS-23 statistical package software. Chi-square test and multinomial logistic regression were used to determine risk factors of life-threatening COVID-19 infection. RESULTS: The mean age of the study participants was 43.23 (±15.48) years. The study identified several lifestyle-related factors and common commodities as risk factors for severe-critical COVID-19. The patient's age was one of the most important predictors, as people >59 years were at higher risk (AOR=18.223). Among other lifestyle factors, active smoking (AOR=1.482), exposure to secondary smoking (AOR=1.728), sleep disturbance (AOR=2.208) and attachment with SLT/alcohol/substance abuse (AOR=1.804) were identified as significant predictors for severe-critical COVID-19. Patients those were overweight/obese (AOR=2.105), diabetic (AOR=4.286), hypertensive (AOR=3.363), CKD patients (AOR=8.317), asthma patients (AOR=2.152), CVD patients (AOR=7.747) were also at higher risk of severe-critical COVID-19 infection. CONCLUSION: This study has identified several vital lifestyles and comorbidity-related risk factors of severe-critical COVID-19. People who have these comorbidities should be under high protection, and risky lifestyles of the general population should modify through the proper educational campaign.
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 | 0,001 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».