Statin Use and COVID-19 Infectivity and Severity in South Korea: Two Population-Based Nationwide Cohort Studies
Notice bibliographique
Résumé
BACKGROUND: Basic studies suggest that statins as add-on therapy may benefit patients with COVID-19; however, real-world evidence of such a beneficial association is lacking. OBJECTIVE: We investigated differences in SARS-CoV-2 test positivity and clinical outcomes of COVID-19 (composite endpoint: admission to intensive care unit, invasive ventilation, or death) between statin users and nonusers. METHODS: Two independent population-based cohorts were analyzed, and we investigated the differences in SARS-CoV-2 test positivity and severe clinical outcomes of COVID-19, such as admission to the intensive care unit, invasive ventilation, or death, between statin users and nonusers. One group comprised an unmatched cohort of 214,207 patients who underwent SARS-CoV-2 testing from the Global Research Collaboration Project (GRCP)-COVID cohort, and the other group comprised an unmatched cohort of 74,866 patients who underwent SARS-CoV-2 testing from the National Health Insurance Service (NHIS)-COVID cohort. RESULTS: The GRCP-COVID cohort with propensity score matching had 29,701 statin users and 29,701 matched nonusers. The SARS-CoV-2 test positivity rate was not associated with statin use (statin users, 2.82% [837/29,701]; nonusers, 2.65% [787/29,701]; adjusted relative risk [aRR] 0.97; 95% CI 0.88-1.07). Among patients with confirmed COVID-19 in the GRCP-COVID cohort, 804 were statin users and 1573 were matched nonusers. Statin users were associated with a decreased likelihood of severe clinical outcomes (statin users, 3.98% [32/804]; nonusers, 5.40% [85/1573]; aRR 0.62; 95% CI 0.41-0.91) and length of hospital stay (statin users, 23.8 days; nonusers, 26.3 days; adjusted mean difference -2.87; 95% CI -5.68 to -0.93) than nonusers. The results of the NHIS-COVID cohort were similar to the primary results of the GRCP-COVID cohort. CONCLUSIONS: Our findings indicate that prior statin use is related to a decreased risk of worsening clinical outcomes of COVID-19 and length of hospital stay but not to that of SARS-CoV-2 infection.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».