Disparities in COVID-19 infection, hospitalisation and death in people with schizophrenia, bipolar disorder, and major depressive disorder: a cohort study of the UK Biobank
Notice bibliographique
Résumé
People with severe mental illness (SMI; including schizophrenia/psychosis, bipolar disorder (BD), major depressive disorder (MDD)) experience large disparities in physical health. Emerging evidence suggests this group experiences higher risks of infection and death from COVID-19, although the full extent of these disparities are not yet established. We investigated COVID-19 related infection, hospitalisation and mortality among people with SMI in the UK Biobank (UKB) cohort study. Overall, 447,296 participants from UKB (schizophrenia/psychosis = 1925, BD = 1483 and MDD = 41,448, non-SMI = 402,440) were linked with healthcare and death records. Multivariable logistic regression analysis was used to examine differences in COVID-19 outcomes by diagnosis, controlling for sociodemographic factors and comorbidities. In unadjusted analyses, higher odds of COVID-19 mortality were seen among people with schizophrenia/psychosis (odds ratio [OR] 4.84, 95% confidence interval [CI] 3.00-7.34), BD (OR 3.76, 95% CI 2.00-6.35), and MDD (OR 1.99, 95% CI 1.69-2.33) compared to people with no SMI. Higher odds of infection and hospitalisation were also seen across all SMI groups, particularly among people with schizophrenia/psychosis (OR 1.61, 95% CI 1.32-1.96; OR 3.47, 95% CI 2.47-4.72) and BD (OR 1.48, 95% CI 1.16-1.85; OR 3.31, 95% CI 2.22-4.73). In fully adjusted models, mortality and hospitalisation odds remained significantly higher among all SMI groups, though infection odds remained significantly higher only for MDD. People with schizophrenia/psychosis, BD and MDD have higher risks of COVID-19 infection, hospitalisation and mortality. Only a proportion of these disparities were accounted for by pre-existing demographic characteristics or comorbidities. Vaccination and preventive measures should be prioritised in these particularly vulnerable groups.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».