The Burden of Incidental Sars-cov-2 Infections in Hospitalized Patients Across Pandemic Waves in Canada
Notice bibliographique
Résumé
Abstract Many health authorities differentiate hospitalizations in patients infected with SARS-CoV-2 as being “for COVID-19” (due to direct manifestations of SARS-CoV-2 infection) versus being an “incidental” finding in someone admitted for an unrelated condition. We conducted a retrospective cohort study of all SARS-CoV-2 infected patients hospitalized via 47 Canadian emergency departments, March 2020-July 2022 to determine whether hospitalizations with “incidental” SARS-CoV-2 infection are less of a burden to patients and the healthcare system. Using a priori standardized definitions applied to hospital discharge diagnoses in 14,290 patients, we characterized COVID-19 as (i) the “Direct” cause for the hospitalization (70%), (ii) a potential “Contributing” factor for the hospitalization (4%), or (iii) an “Incidental” finding that did not influence the need for admission (26%). The proportion of incidental SARS-CoV-2 infections rose fro 10% in Wave 1 to 41% during the Omicron wave. Patients with COVID-19 as the direct cause of hospitalization exhibited significantly longer LOS (mean 13.8 versus 12.1 days), were more likely to require critical care (22% versus 11%), receive COVID-19-specific therapies (55% versus 19%), and die (17% versus 9%), compared to patients with Incidental SARS-CoV-2 infections. However, patients hospitalized with incidental SARS-CoV-2 infection still exhibited substantial morbidity/mortality and hospital resource use.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».