MétaCan
Menu
Retour à la cohorte
Enregistrement W4212840501 · doi:10.1093/ofid/ofac037

Coinfections in Patients With Cancer and COVID-19: A COVID-19 and Cancer Consortium (CCC19) Study

2022· article· en· W4212840501 sur OpenAlex
Gowri Satyanarayana, Kyle T. Enriquez, Tianyi Sun, Elizabeth J. Klein, Maheen Z. Abidi, Shailesh Advani, Joy Awosika, Ziad Bakouny, Babar Bashir, Stephanie Berg, Marilia Bernardes, Pamela Egan, Arielle Elkrief, Lawrence Feldman, Christopher R. Friese, Shipra Goel, Cyndi Gonzalez Gomez, K Grant, Elizabeth A. Griffiths, Shuchi Gulati, Shilpa Gupta, Clara Hwang, Jayanshu Jain, Chinmay Jani, Anna Kaltsas, Anup Kasi, Hina Khan, Natalie Knox, Vadim S. Koshkin, Daniel H. Kwon, Chris Labaki, Gary H. Lyman, Rana R. McKay, Christopher McNair, Gayathri Nagaraj, Elizabeth S. Nakasone, Taylor K. Nonato, Adam J. Olszewski, Orestis A. Panagiotou, Matthew Puc, Pedram Razavi, Elizabeth Robilotti, Miriam Santos-Dutra, Andrew Schmidt, Dimpy P. Shah, Sumit Shah, Kendra Vieira, Lisa B. Weissmann, Trisha M. Wise‐Draper, Ulysses Wu, Julie Wu, Toni K. Choueiri, Sanjay Mishra, Jeremy L. Warner, Benjamin French, Dimitrios Farmakiotis

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of General Medical SciencesNational Institutes of HealthNational Cancer InstituteNational Institute on AgingVanderbilt Institute for Clinical and Translational Research
Mots-clésCoronavirus disease 2019 (COVID-19)Medicine2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)CancerBetacoronavirusCoinfectionCoronavirus InfectionsVirologyInternal medicineVirusOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The frequency of coinfections and their association with outcomes have not been adequately studied among patients with cancer and coronavirus disease 2019 (COVID-19), a high-risk group for coinfection. METHODS: We included adult (≥18 years) patients with active or prior hematologic or invasive solid malignancies and laboratory-confirmed severe acute respiratory syndrome coronavirus 2 (SARS-COV-2) infection, using data from the COVID-19 and Cancer Consortium (CCC19, NCT04354701). We captured coinfections within ±2 weeks from diagnosis of COVID-19, identified factors cross-sectionally associated with risk of coinfection, and quantified the association of coinfections with 30-day mortality. RESULTS: Among 8765 patients (hospitalized or not; median age, 65 years; 47.4% male), 16.6% developed coinfections: 12.1% bacterial, 2.1% viral, 0.9% fungal. An additional 6.4% only had clinical diagnosis of a coinfection. The adjusted risk of any coinfection was positively associated with age >50 years, male sex, cardiovascular, pulmonary, and renal comorbidities, diabetes, hematologic malignancy, multiple malignancies, Eastern Cooperative Oncology Group Performance Status, progressing cancer, recent cytotoxic chemotherapy, and baseline corticosteroids; the adjusted risk of superinfection was positively associated with tocilizumab administration. Among hospitalized patients, high neutrophil count and C-reactive protein were positively associated with bacterial coinfection risk, and high or low neutrophil count with fungal coinfection risk. Adjusted mortality rates were significantly higher among patients with bacterial (odds ratio [OR], 1.61; 95% CI, 1.33-1.95) and fungal (OR, 2.20; 95% CI, 1.28-3.76) coinfections. CONCLUSIONS: Viral and fungal coinfections are infrequent among patients with cancer and COVID-19, with the latter associated with very high mortality rates. Clinical and laboratory parameters can be used to guide early empiric antimicrobial therapy, which may improve clinical outcomes.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,053
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,398
Écart entre enseignants0,360 · 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