MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313271249 · doi:10.1136/bmjopen-2022-062453

Hospitalised COVID-19 outcomes are predicted by hypoxaemia and pneumonia phenotype irrespective of the timing of their emergence

2022· article· en· W4313271249 sur OpenAlexafffundabout
Brittany Salter, Bianca DeBenedictis, Laura Spatafora, Jessica Kapralik, Candice Luo, Laura A. Dawson, Mats Junek, Tyler Pitre, Aaron Jones, Marla Beauchamp, Rebecca Kruisselbrink, MyLinh Duong, Andrew P. Costa, Jennifer Tsang, Terence Ho

Notice bibliographique

RevueBMJ Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensImpactNiagara Health SystemMcMaster University
Organismes subventionnairesInstitute of Health Services and Policy ResearchCanadian Institutes of Health Research
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Pneumonia2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PhenotypeBetacoronavirusIntensive care medicinePediatricsVirologyInternal medicineOutbreakGeneticsDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Despite the known clinical importance of hypoxemia and pneumonia, there is a paucity of evidence for these variables with respect to risk of mortality and short-term outcomes among those hospitalised with COVID-19. Objective Describe the prevalence and clinical course of patients hospitalised with COVID-19 based on oxygenation and pneumonia status at presentation and determine the incidence of emergent hypoxaemia or radiographic pneumonia during admission. Methods A retrospective study was conducted using a Canadian regional registry. Patients were stratified according to hypoxaemia/pneumonia phenotype and prevalence. Clinical parameters were compared between phenotypes using χ 2 and one-way Analysis of variance (ANOVA). Cox analysis estimated adjusted Hazard Ratios (HR) for associations between disease outcomes and phenotypes. Results At emergency department (ED) admission, the prevalence of pneumonia and hypoxaemia was 43% and 50%, respectively, and when stratified to phenotypes: 28.2% hypoxaemia + /pneumonia + , 22.2% hypoxaemia + /pneumonia − , 14.5% hypoxaemia − /pneumonia + and 35.1% hypoxaemia − /pneumonia − . Mortality was 31.1% in the hypoxaemia + /pneumonia − group and 26.3% in the hypoxaemia + /pneumonia + group. Hypoxaemia with pneumonia and without pneumonia predicted higher probability of death. Hypoxaemia either <24 hours or ≥24 hours after hospitalisation predicted higher mortality and need for home oxygen compared with those without hypoxaemia. Patients with early hypoxaemia had higher probability of Intensive care unit (ICU) admission compared with those with late hypoxaemia. Conclusion Mortality in COVID-19 infection is predicted by hypoxaemia with or without pneumonia and was greatest in patients who initially presented with hypoxaemia. The emergence of hypoxaemia was predicted by radiographic pneumonia. Patients with early and emergent hypoxaemia had similar mortality but were less likely to be admitted to ICU. There may be delayed identification of hypoxaemia, which prevents timely escalation of care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,118
Tête enseignante GPT0,475
Écart entre enseignants0,356 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→