The clinical impact of COVID-19 on patients with cancer in British Columbia: An observational study
Notice bibliographique
Résumé
Objective: We evaluated survival outcomes for patients with cancer and COVID-19 in this population-based study. Methods: A total of 631 patients who tested positive for severe acute respiratory syndrome coronavirus 2 and were seen at BC Cancer between 03/03/2020 and 01/21/2021 were included, of whom 506 had a diagnosis of cancer and PCR-confirmed positive test for coronavirus disease 2019. Patient clinical characteristics were retrospectively reviewed and the influence of demographic data, cancer diagnosis, comorbidities, and anticancer treatment(s) on survival following severe acute respiratory syndrome coronavirus 2 infection were analyzed. Results: Age ≥65 years (Hazard Ratio [HR] 4.77, 95% Confidence Interval [CI] 2.72-8.35, P < 0.0001), those with Eastern Cooperative Oncology Group Performance Status ≥2 (HR 8.36, 95% CI 2.89-24.16, P < 0.0001), hypertension (HR 3.17, 95% CI 1.77-5.66, P < 0.0001), and metastatic/advanced stage (HR 3.70, 95% CI 1.77-7.73, P < 0.0001) were associated with worse coronavirus disease 2019 specific survival outcomes following severe acute respiratory syndrome coronavirus 2 infection. Patients with lung cancer had the highest 30-day COVID-19 specific mortality (25.0%), followed by genitourinary (18.1%), gastrointestinal (16.0%), and other cancer types (<10.0%). Patients with the highest 30-day coronavirus disease 2019 specific mortality according to treatment type were those on chemotherapy (23.0%), rituximab (22.2%), and immunotherapy (16.7%) while patients on hormonal treatments (2.2%) had better survival outcomes (P = 0.041) compared to those on other anticancer treatments. Conclusion: This study provides further evidence that patients with cancer are at increased risk of mortality from coronavirus disease 2019 and emphasizes the need for vaccination.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».