Mitigating the Severity of COVID-19 Illness in the Primary Care Patient Population through Early Identification and Close Monitoring of Underlying Comorbidities
Notice bibliographique
Résumé
Abstract Purpose Prior studies have identified risk factors which prognosticate severity of SARS-CoV-2 illness among hospitalized patients. Since the majority of patients first present to ambulatory care sites, there is a need to identify early predictors of disease progression in this population. Methods This retrospective cohort study investigated the impact of underlying comorbid conditions on SARS-CoV-2 infection severity in the ambulatory setting. All patients who presented to a single federally qualified health center (FQHC) between March-May 2020 with a positive SARS-CoV-2 test were reviewed for inclusion. Patient demographics, symptomology, prior medical history, and outcomes were collected. Results 301 patients were included, with nearly equal numbers of patients with (n=151) and without (n=150) underlying comorbidities. Overall, 269 patients (89%) had a mild outcome and 32 patients (11%) had a severe outcome. Advanced age (OR: 9.4 [95% CI: 3.4-27.4], p < 0.001) and male gender (OR: 3.2 [95% CI: 1.2-9.8], p = 0.02) were significant predictors of severe outcomes. Additionally, every obesity category (1: BMI = 30.0–34.9; 2: BMI = 35–39.9; 3: BMI = 40.0+) was associated with more severe outcomes compared to non-obese (OR: 3.5, p = 0.05; OR: 5.2, p = 0.03; OR: 13.9, p = 0.01). Compared to an HbA1C < 6, an HbA1C of 7.1–8.0 showed a clinically significant association. Conclusion SARS-CoV-2 severity can be prognosticated in the ambulatory population by the presence and severity of pre-existing comorbidities. Early identification and risk stratification of these comorbidities will allow clinicians to develop plans for closer monitoring to prevent severe illness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».