MétaCan
Menu
← Retour à la cohorte
Enregistrement W3215418140 · doi:10.1161/circ.144.suppl_1.10590

Abstract 10590: Trends in Major Adverse Cardiac Events During the Covid-19 Pandemic in Alberta, Canada

2021· article· en· W3215418140 sur OpenAlexaffabout
Erin S. Mackinnon, Todd J. Anderson, Paolo Raggi, Jean‐Claude Grégoire, Rajvi J. Wani, Millicent Packalen, Thiago Oliveira, Shirley Xin Li, Suzanne McMullen, Tara Cowling, Shaun G. Goodman

Notice bibliographique

RevueCirculation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensSt. Michael's HospitalAlberta Health ServicesMontreal Heart InstituteLibin Cardiovascular Institute of AlbertaUniversity of AlbertaAmgen (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)PandemicLibrary science2019-20 coronavirus outbreakGerontologyDiseaseInfectious disease (medical specialty)Virology

Résumé

récupéré en direct d'OpenAlex

Introduction: The coronavirus disease 2019 (COVID-19) pandemic has impacted cardiovascular (CV) outcomes and care globally, although to date, limited data exist on the Canadian experience. This study aimed to describe trends in major adverse cardiovascular events (MACE)/procedures during the COVID-19 pandemic in the Province of Alberta, Canada. Methods: A repeated cross-sectional study design compared MACE from inpatient and emergency department visits among Albertan adults between March 15, 2019, and September 14, 2020. The Alberta population was 4.4 million in 2020 and all residents are part of a single payer healthcare system. The percent change between each MACE reported in the control (2019) and COVID-19 restriction periods (2020) were calculated. MACE were defined individually and as a primary composite outcome (CV death, acute coronary syndrome [ACS], ischemic stroke, or coronary revascularization procedures). These preliminary data are part of an ongoing study, measuring outcomes throughout the first year of the pandemic. Results: Compared to March-June 2019, primary MACE during the initial COVID-19 restriction period (March-June 2020) decreased by 15.6% (n=739 patients), and by 7.3% (n=342 patients) during June-September 2020, when COVID-19 restrictions were eased. Most individual MACE followed similar patterns with reduced reported events/procedures during the initial restriction period and an increase towards previous rates thereafter (Figure 1): CV death (17.7% vs 10.2%), ACS (19.1% vs 8.4%), coronary revascularization (17.0% vs 9.2%). The exception was ischemic stroke, which was not notably impacted by pandemic restrictions. Conclusions: Declines in MACE/procedures during the COVID-19 pandemic are suggestive of a substantial gap in patient management and healthcare-seeking behaviour that may have negative downstream implications. Ongoing analyses will further explore reported MACE up to one year after the pandemic began.

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)0,001
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 enseignants0,023
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,349
Écart entre enseignants0,301 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→