Sex Differences in the Relation between Comorbidities and Prognosis in Hospitalized Patients with COVID-19
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.
Notice bibliographique
Résumé
Purpose: There is a lack of information of the difference in sex-aggregated prevalence of comorbid noncommunicable disease (NCD) in patients hospitalized with COVID-19 in Iran. This study aimed to evaluate sex differences in the relation between medical comorbidities and subsequent death in patients hospitalized with COVID-19. Methods: , 2020, in Isfahan, Iran, were recruited in the ongoing I-CORE Registry. Real-time reverse-transcription polymerase chain reaction (RT-PCR) testing was done upon admission. Data on preexisting comorbid NCDs including hypertension, coronary heart disease (CHD), diabetes mellitus (DM), cancers, chronic renal disease (CRD), and chronic respiratory disease were collected through self-reported questionnaires. Results: Overall, 12,620 individuals were enrolled in this registry of which 4,356 were positive for the COVID-19 RT-PCR test. In the whole population, in women, DM, hypertension, and CHD, and in men, DM, CHD, and hypertension were, respectively, the most frequent comorbidities. The frequency of at least one NCD did not differ between men and women, but a greater proportion of women had two or more NCDs. Increasing the number of comorbidities was associated with higher death frequency and mortality risk in the unadjusted model but remained no longer significant after adjustment for age. There was no statistically significant difference in this regard between men and women. Conclusion: Overall, we found that DM, hypertension, and CHD were the most frequent comorbidities. Although comorbidities were more frequent among women, mortality risk did not significantly differ between men and women.
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 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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle