MétaCan
Menu
Retour à la cohorte
Enregistrement W4307496695 · doi:10.1111/ene.15613

Factors associated with the severity of <scp>COVID</scp>‐19 outcomes in people with neuromuscular diseases: Data from the International Neuromuscular <scp>COVID</scp>‐19 Registry

2022· article· en· W4307496695 sur OpenAlexfundno aff
Chiara Pizzamiglio, Robert D. S. Pitceathly, Michael P. Lunn, Stefen Brady, Fabiola De Marchi, Lucía Galán, Jeannine M. Heckmann, Alejandro Horga, Mária Judit Molnár, Acary Sousa Bulle Oliveira, Wladimir Bocca Vieira de Rezende Pinto, Guido Primiano, Ernestina Santos, Benedikt Schoser, Serenella Servidei, Paulo Victor Sgobbi de Souza, Venugopalan Y. Vishnu, Michael G. Hanna, Mazen M. Dimachkie, Pedro Machado

Notice bibliographique

RevueEuropean Journal of Neurology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research Council CanadaClore Duffield FoundationMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMedicineOdds ratioConfidence intervalCoronavirus disease 2019 (COVID-19)Logistic regressionMechanical ventilationModified Rankin ScaleInternal medicineSeverity of illnessPediatricsDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Clinical outcome information on patients with neuromuscular diseases (NMDs) who have been infected with SARS-CoV-2 is limited. The aim of this study was to determine factors associated with the severity of COVID-19 outcomes in people with NMDs. METHODS: Cases of NMD, of any age, and confirmed/presumptive COVID-19, submitted to the International Neuromuscular COVID-19 Registry up to 31 December 2021, were included. A mutually exclusive ordinal COVID-19 severity scale was defined as follows: (1) no hospitalization; (2) hospitalization without oxygenation; (3) hospitalization with ventilation/oxygenation; and (4) death. Multivariable ordinal logistic regression analyses were used to estimate odds ratios (ORs) for severe outcome, adjusting for age, sex, race/ethnicity, NMD, comorbidities, baseline functional status (modified Rankin scale [mRS]), use of immunosuppressive/immunomodulatory medication, and pandemic calendar period. RESULTS: Of 315 patients from 13 countries (mean age 50.3 [±17.7] years, 154 [48.9%] female), 175 (55.5%) were not hospitalized, 27 (8.6%) were hospitalized without supplemental oxygen, 91 (28.9%) were hospitalized with ventilation/supplemental oxygen, and 22 (7%) died. Higher odds of severe COVID-19 outcomes were observed for: age ≥50 years (50-64 years: OR 2.4, 95% confidence interval [CI] 1.33-4.31; >64 years: OR 4.16, 95% CI 2.12-8.15; both vs. <50 years); non-White race/ethnicity (OR 1.81, 95% CI 1.07-3.06; vs. White); mRS moderately severe/severe disability (OR 3.02, 95% CI 1.6-5.69; vs. no/slight/moderate disability); history of respiratory dysfunction (OR 3.16, 95% CI 1.79-5.58); obesity (OR 2.24, 95% CI 1.18-4.25); ≥3 comorbidities (OR 3.2, 95% CI 1.76-5.83; vs. ≤2; if comorbidity count used instead of specific comorbidities); glucocorticoid treatment (OR 2.33, 95% CI 1.14-4.78); and Guillain-Barré syndrome (OR 3.1, 95% CI 1.35-7.13; vs. mitochondrial disease). CONCLUSIONS: Among people with NMDs, there is a differential risk of COVID-19 outcomes according to demographic and clinical characteristics. These findings could be used to develop tailored management strategies and evidence-based recommendations for NMD 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0040,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,033
Tête enseignante GPT0,274
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeurologyMême sujetLong-Term Effects of COVID-19Travaux en français237 207