Mental Health and Substance Use Associated with Hospitalization among People with COVID-19: A Population-Based Cohort Study
Notice bibliographique
Résumé
This study identified factors associated with hospital admission among people with laboratory-diagnosed COVID-19 cases in British Columbia. The study used data from the BC COVID-19 Cohort, which integrates data on all COVID-19 cases with data on hospitalizations, medical visits, emergency room visits, prescription drugs, chronic conditions and deaths. The analysis included all laboratory-diagnosed COVID-19 cases in British Columbia to 15 January 2021. We evaluated factors associated with hospital admission using multivariable Poisson regression analysis with robust error variance. Of the 56,874 COVID-19 cases included in the analysis, 2298 were hospitalized. Factors associated with increased hospitalization risk were as follows: male sex (adjusted risk ratio (aRR) = 1.27; 95% CI = 1.17–1.37), older age (p-trend < 0.0001 across age groups increasing hospitalization risk with increasing age [aRR 30–39 years = 3.06; 95% CI = 2.32–4.03, to aRR 80+ years = 43.68; 95% CI = 33.41–57.10 compared to 20–29 years-old]), asthma (aRR = 1.15; 95% CI = 1.04–1.26), cancer (aRR = 1.19; 95% CI = 1.09–1.29), chronic kidney disease (aRR = 1.32; 95% CI = 1.19–1.47), diabetes (treated without insulin aRR = 1.13; 95% CI = 1.03–1.25, requiring insulin aRR = 5.05; 95% CI = 4.43–5.76), hypertension (aRR = 1.19; 95% CI = 1.08–1.31), injection drug use (aRR = 2.51; 95% CI = 2.14–2.95), intellectual and developmental disabilities (aRR = 1.67; 95% CI = 1.05–2.66), problematic alcohol use (aRR = 1.63; 95% CI = 1.43–1.85), immunosuppression (aRR = 1.29; 95% CI = 1.09–1.53), and schizophrenia and psychotic disorders (aRR = 1.49; 95% CI = 1.23–1.82). In an analysis restricted to women of reproductive age, pregnancy (aRR = 2.69; 95% CI = 1.42–5.07) was associated with increased risk of hospital admission. Older age, male sex, substance use, intellectual and developmental disability, chronic comorbidities, and pregnancy increase the risk of COVID-19-related hospitalization.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».