Characteristics and Outcomes of People With Gout Hospitalized Due to <scp>COVID</scp>‐19: Data From the <scp>COVID</scp>‐19 Global Rheumatology Alliance <scp>Physician‐Reported</scp> Registry
Notice bibliographique
Résumé
OBJECTIVE: To describe people with gout who were diagnosed with coronavirus disease 2019 (COVID-19) and hospitalized and to characterize their outcomes. METHODS: Data on patients with gout hospitalized for COVID-19 between March 12, 2020, and October 25, 2021, were extracted from the COVID-19 Global Rheumatology Alliance registry. Descriptive statistics were used to describe the demographics, comorbidities, medication exposures, and COVID-19 outcomes including oxygenation or ventilation support and death. RESULTS: One hundred sixty-three patients with gout who developed COVID-19 and were hospitalized were included. The mean age was 63 years, and 85% were male. The majority of the group lived in the Western Pacific Region (35%) and North America (18%). Nearly half (46%) had two or more comorbidities, with hypertension (56%), cardiovascular disease (28%), diabetes mellitus (26%), chronic kidney disease (25%), and obesity (23%) being the most common. Glucocorticoids and colchicine were used pre-COVID-19 in 11% and 12% of the cohort, respectively. Over two thirds (68%) of the cohort required supplemental oxygen or ventilatory support during hospitalization. COVID-19-related death was reported in 16% of the overall cohort, with 73% of deaths documented in people with two or more comorbidities. CONCLUSION: This cohort of people with gout and COVID-19 who were hospitalized had high frequencies of ventilatory support and death. This suggests that patients with gout who were hospitalized for COVID-19 may be at risk of poor outcomes, perhaps related to known risk factors for poor outcomes, such as age and presence of comorbidity.
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 | 0,002 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».