Number of Pre-Existing Comorbidities and Prognosis of COVID-19: A Retrospective Cohort Study
Notice bibliographique
Résumé
Abstract Background: Though many studies have described the association of coronavirus disease 2019 (COVID-19) and different kinds of noncommunicable chronic diseases, information with the combine effects of comorbidities to COVID-19 patients have not been well characterized yet. The aim of this study was to examine the associations of numbers of comorbidities with critical type and death of COVID-19. Methods: This was a single-centered retrospective study among patients with COVID-19. All patients with COVID-19 enrolled in this study were diagnosed according to World Health Organization interim guidance. Six different kinds of noncommunicable chronic diseases were included in this study. The logistic regression model was used to estimate the fixed effect of numbers of comorbidities on critical type or death, adjusting for potential confounders. Results: In total, 475 COVID-19 patients were enrolled in our study, included 234 females and 241 males. Hypertension was the most frequent type (162 [34.1%] of 475 patients). Patients with two or more comorbidities have higher risk of critical type (OR 3.072, 95% CI [1.581, 5.970], p=0.001) and death (OR 5.538, 95% CI [1.577, 19.451], p=0.008) compared to patients without comorbidities. And the results were similar after adjusting for age and gender in critical type (OR 2.021, 95% CI [1.002–4.077], p=0.049) and death (OR 3.653, 95% CI [0.989, 13.494], p=0.052). Conclusions: The number of comorbidities was an independent risk factor for critical type and death in COVID-19 patients.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,390 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,001 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».