MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283078935 · doi:10.14740/cr1389

Outcomes of Heart Failure in COVID-19 Patients: An Appalachian Experience

2022· article· en· W4283078935 sur OpenAlexvenueno aff
Huzefa Bhopalwala, Aelia Akbar, Nakeya Dewaswala, Lauren Wisnieski, Abdul Mannan Khan Minhas, Akbar Hussain, Vinayak Mishra, Sourbha S. Dani, Andrew Kolodziej, Gaurang Vaidya, Abhishek Kulkarni, Jonathan Piercy, Subramanya Shyam Ganti, Nagabhishek Moka, Adnan Bhopalwala

Notice bibliographique

RevueCardiology Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care unitRetrospective cohort studyCoronavirus disease 2019 (COVID-19)ConcomitantInternal medicineMechanical ventilationHeart failureOddsOdds ratioEmergency medicineCohortCardiologyLogistic regressionDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The Southeastern rural areas of the USA have a higher prevalence of heart failure (HF). Coronavirus disease 2019 (COVID-19) infection is associated with poor outcomes in patients with HF. Our study aimed to compare the outcomes of hospitalized HF patients with and without COVID-19 infection specifically in rural parts of the USA. Methods: We conducted a retrospective cohort study of HF patients with and without COVID-19 hospitalized in Southeastern rural parts of the USA by using the Appalachian Regional Healthcare System. Analyses were stratified by waves from April 1, 2020 to May 31, 2021, and from June 1, 2021 to October 19, 2021. Results: Of the 14,379 patients hospitalized with HF, 6% had concomitant COVID-19 infection. We found that HF patients with COVID-19 had higher mortality rate compared to those without COVID-19 (21.8% versus 3.8%, respectively, P < 0.01). Additionally, hospital resource utilization was significantly higher in HF patients with COVID-19 compared to HF patients without COVID-19 with intensive care unit (ICU) utilization of 21.6% versus 13.8%, P < 0.01, mechanical ventilation use of 17.3% versus 6.2%, P < 0.01, and vasopressor/inotrope use of 16.8% versus 7.9%, P < 0.01. A lower percentage of those with COVID-19 were discharged home compared to those without a COVID-19 diagnosis (63.4% versus 72.0%, respectively). There was a six-fold greater odds of dying in the first wave and seven-fold greater odds of dying in the second wave. Conclusions: Our study confirms previous findings of poor outcome in HF patients with COVID-19. There is a need for review of healthcare resources in rural hospitals which already face numerous healthcare challenges.

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)0,000
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,154
Tête enseignante GPT0,535
Écart entre enseignants0,381 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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