MétaCan
Menu
← Retour à la cohorte
Enregistrement W3212761655 · doi:10.1182/blood-2021-146483

The Compass-COVID19-ICU Study: Identification of Factors to Predict the Risk of Intubation and Mortality in Patients with Severe COVID-19

2021· article· en· W3212761655 sur OpenAlexaff
Patrick Van Dreden, Douglas D. Fraser, Guillaume Voiriot, Aurélie Rousseau, Ismaı̈l Elalamy, Ioannis Prassas, Evangelos Terpos, Meletios Α. Dimopoulos, Matthieu Grussé, Grigoris Gerotziafas

Notice bibliographique

RevueBlood · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMount Sinai HospitalLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care unitContext (archaeology)Partial thromboplastin timeInternal medicineIntubationFibrinogenAnesthesiaPlatelet

Résumé

récupéré en direct d'OpenAlex

Abstract Background: In some patients, SARS-CoV-2 infection induces cytokine storm, hypercoagulability and endothelial cell activation leading to worsening of COVID-19, intubation and death. Prompt identification of patients at risk of intubation or death is un unmet need. Objective: To derive a prognostic score for the risk of intubation or death in patients with critical COVID-19 by assessing biomarkers of hypercoagulability, endothelial cell activation and inflammation and a large panel of clinical analytes. Methods: We conducted a prospective, observational monocentric study enrolling 118 patients with COVID-19 admitted in the intensive care unit. At the 1st day of ICU admission all patients were assessed for the following biomarkers : protein C, protein S, antithrombin, D-Dimer, fibrin monomers, factors VIIa, V, XII, XII, VIII, von Willebrand antigen, fibrinogen, procoagulant phospholipid dependent clotting time, TFPI, thrombomodulin, P-selectin, heparinase, microparticles exposing tissue factor, IL-6, complement C3a, C5a, thrombin generation, prothrombin time, activated partial thromboplastin time, hemogram, platelet count) and clinical predictors. The clinical outcomes were intubation and mortality during hospitalization in ICU. Results: The intubation and mortality rate were 70 % and 18% respectively. Multivariate analysis led to the derivation of the COMPASS- COVID19-ICU score composed of P-Selectin, D-Dimer, free TFPI, TF activity, IL-6 and FXII, age and duration of hospitalization. The score predicted the risk of intubation or death with high sensitivity and specificity (0.90 and 0.92, respectively). Conclusions and Relevance: Critical COVID-19 is related with severe endothelial cell activation and hypercoagulability orchestrated in the context of inflammation. The COMPASS-COVID19-ICU score is an accurate predictive model for the evaluation of the risk of mechanical ventilation and death in patients with critical COVID-19. The assessment with the COMPASS- COVID-19-ICU score is feasible in tertiary hospitals. In this context it could be placed in the diagnostic procedure of personalized medical management and prompt therapeutic intervention. Disclosures Terpos: Novartis: Honoraria; Janssen: Consultancy, Honoraria, Research Funding; Genesis: Consultancy, Honoraria, Research Funding; Celgene: Consultancy, Honoraria, Research Funding; BMS: Honoraria; Amgen: Consultancy, Honoraria, Research Funding; Takeda: Consultancy, Honoraria, Research Funding; Sanofi: Consultancy, Honoraria, Research Funding; GSK: Honoraria, Research Funding. Dimopoulos: Amgen: Honoraria; BMS: Honoraria; Takeda: Honoraria; Beigene: Honoraria; Janssen: Honoraria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,388
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→