MétaCan
Menu
← Retour à la cohorte
Enregistrement W3217751110 · doi:10.1161/circ.144.suppl_1.14483

Abstract 14483: Correlating Blood Type, Infection Risk, and Illness Severity in Patients With COVID-19

2021· article· en· W3217751110 sur OpenAlexaboutno aff
Vikas Yellapu, Shani V Daniel, Naif L Hindosh, Douglas S. Corwin, Richard Snyder, Mathai Chalunkal

Notice bibliographique

RevueCirculation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakIllness severitySeverity of illnessIntensive care medicineBetacoronavirusInternal medicineEmergency medicineDiseaseVirologyInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Introduction: There have been over 13 million cases of COVID-19 cases with a 2% mortality rate [1]. Over the past year there has been a significant progress in the understanding and management of COVID-19 infections. There are still many factors and complications of COVID-19 that have yet to be elucidated. There have been multiple studies looking at the possible link between ABO group type and increased risk of mortality. Many studies from China, Europe and Canada indicate that blood group “O” had lower risk of susceptibility and severe infection[2-4]. We wanted to identify weather this trend was applicable within our hospital network in Eastern Pennsylvania. We wanted to identify through retrospective analysis if there is an association between ABO type, Race, Gender, and mortality at 30-day or 90 days. Methods: We identified n=568 patients between February 2020 to June 2020 that were admitted to the hospital for treatment of COVID-19 that also had historical data regarding ABO grouping. Demographics, length of stay, intubations, and smoking history. Once data was collected, statistical analysis was conducted with SPSS for means, standard deviations, and Chi-squared test for non-parametric testing. Results: The breakdown of blood groups in our populations was [ A: 35.1%, B: 11.6%, AB: 7.9%, O:45.3% ]. The average age of patients by blood group was [A:70.9±6 , B: 68.6±15, AB:66.3±12, O: 65±17], The percentage of females in each group is [A:45%, B: 35%, AB:67%, O:50%]. The mean BMI for all groups were 31±7 (p>0.05) and there was no significant difference between blood groups with length of stay [A:8±6.1 , B: 10.5±9.6, AB:8.3±6.7, O: 9±8 (p>0.05)] There was no significant difference in mortality rate among the blood groups during admission [ A: 26%, B: 16%, AB: 13%, O:24% (p=0.17)] or the rate of intubation [ A: 10%, B: 15%, AB: 11%, O:12% (p=0.72)]. Conclusion: Our findings indicate there is no significant difference between mortality, inpatient length of stay, or proportion of intubations between different blood groups. Our population of blood groups was distributed close to distribution of blood group in the general population. While there have been studies that indicate there is a protective nature of type O blood group, we did not see this in our cohort.

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)0,003
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,032
Tête enseignante GPT0,363
Écart entre enseignants0,331 · 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'admission1
Résumé présentoui

Explorer davantage

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