MétaCan
Menu
Retour à la cohorte
Enregistrement W4224674572 · doi:10.3390/pathogens11050508

Selective COVID-19 Coinfections in Diabetic Patients with Concomitant Cardiovascular Comorbidities Are Associated with Increased Mortality

2022· article· en· W4224674572 sur OpenAlexaff
Kamaleldin B. Said, Ahmed Alsolami, Fawwaz Alshammari, Fayez Saud Alreshidi, Anas Fathuldeen, Fawaz Alrashid, Abdelhafiz Ibrahim Bashir, Sara Osman, Rana Aboras, Abdulrahman Alshammari, Turki Alshammari, Sultan F. Alharbi

Notice bibliographique

RevuePathogens · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesUniversity of Hail
Mots-clésConcomitantCoronavirus disease 2019 (COVID-19)ComorbidityMedicineInternal medicineDiabetes mellitus2019-20 coronavirus outbreakCardiologyVirologyDiseaseEndocrinologyOutbreak

Résumé

récupéré en direct d'OpenAlex

Coinfections and comorbidities add additional layers of difficulties into the challenges of COVID-19 patient management strategies. However, studies examining these clinical conditions are limited. We have independently investigated the significance of associations of specific bacterial species and different comorbidities in the outcome and case fatality rates among 129 hospitalized comorbid COVID-19 patients. For the first time, to best of our knowledge, we report on the predominance of Klebsiella pneumoniae and Acinetobacter baumannii in COVID-19 non-survival diabetic patients The two species were significantly associated to COVID-19 case fatality rates (p-value = 0.02186). Coinfection rates of Klebsiella pneumoniae and Acinetobacter baumannii in non-survivors were 93% and 73%, respectively. Based on standard definitions for antimicrobial resistance, Klebsiella pneumoniae and Acinetobacter baumannii were classified as multidrug resistant and extremely drug resistant, respectively. All patients died at ICU with similar clinical characterisitics. Of the 28 major coinfections, 24 (85.7%) were in non-survivor diabetic patients, implying aggravating and worsening the course of COVID-19. The rates of other comorbidities varied: asthma (47%), hypertension (79.4%), ischemic heart disease (71%), chronic kidney disease (35%), and chronic liver disease (32%); however, the rates were higher in K. pneumoniae and were all concomitantly associated to diabetes. Other bacterial species and comorbidities did not have significant correlation to the outcomes. These findings have highly significant clinical implications in the treatment strategies of COVID-19 patients. Future vertical genomic studies would reveal more insights into the molecular and immunological mechanisms of these frequent bacterial species. Future large cohort multicenter studies would reveal more insights into the mechanisms of infection in COVID-19.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,021
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,022
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,333
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePathogensMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207