MétaCan
Menu
← Retour à la cohorte
Enregistrement W4319812761

Real world outcomes in cancer patients with COVID-19 infection: Northern Ireland experience.

2023· article· en· W4319812761 sur OpenAlexfundno aff
Laura Feeney, Ashleigh C. Hamilton, Anita Lavery, Conor O’Neill, Gerard Walls, Kirsty Taylor, Richard Turkington

Notice bibliographique

RevuePubMed · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesHealth and Social Care Research and Development DivisionPublic Health AgencyCanadian Institute for Theoretical AstrophysicsUniversity of OxfordCancer Research UKHealth Service ExecutiveWellcome Trust
Mots-clésMedicineAsymptomaticCancerInternal medicineLogistic regressionDiseaseCoronavirus disease 2019 (COVID-19)Clinical endpointProspective cohort studyPediatricsClinical trialInfectious disease (medical specialty)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Cancer has been assumed to be associated with a high-risk of morbidity and mortality from COVID-19. Protective measures have incorporated modifications in cancer treatments. There are conflicting data about the impact of COVID-19 infection and outcomes in cancer patients. We aim to describe the impact of demographic and clinical characteristics on COVID-19 outcomes in patients with cancer in Northern Ireland reported within the UK Coronavirus Cancer Monitoring Project (UKCCMP). Method: Prospective data collection including demographics, cancer stage and type, treatment and outcomes occurred for all Northern Irish patients enrolled in the UKCCMP. The primary endpoint was all-cause mortality. Descriptive statistics and logistic regression analysis were performed using SPSSv25. Results: Between March 2020 and March 2021, 110 cases were registered. Median age was 63 years (range 27 to 87). Seventy patients (63.6%) were >60 years and 59 (53.8%) were females. Co-morbidities were reported in 83 patients (72.7%). Most patients had metastatic disease (64, 58.2%). Sixty-seven patients (60.9%) received anticancer treatment in the 4 weeks prior to COVID-19 infection. Of those patients, 35 (52.2%) received chemotherapy. Thirty-nine patients (58.2%) continued treatment as planned; 24 (36.9%) stopped treatment due to SARS-CoV-2 infection. The majority of patients were asymptomatic or experienced mild symptoms (67, 60.9%). Fifty-one (46.3%%) were admitted to hospital for COVID-19. Risk of severe/critical COVID-19 disease was significantly associated with age (OR 1.07 [95% CI 1.03-1.11); p=0.004), pre-existing hypertension (OR 3.29 [95% CI 1.42-7.62]; p=0.02) and thoracic primary malignancy (OR 4.41 [95% CI 1.52-12.74]; p=0.042). Twenty-nine patients (26.3%) died of whom 15 (57.7%) died of COVID-19 and 13 (44.8%) died due to cancer. Risk of death was significantly associated with age (OR 1.05 [95% CI 1.01-1.09]; p=0.014), male sex (OR 3.76 [95% CI 1.51-9.34]; p=0.008) and thoracic primary malignancy (OR 5.35 [95% CI 1.88-15.25]; p=0.014). When corrected for age, gender and co-morbidities, chemotherapy within the past 4 weeks was not significantly associated with mortality (OR 0.65 [95% CI 0.20-2.11]; p=0.476). Conclusion: Age and thoracic cancer diagnosis correlated with survival. Comparison of performance during the pandemic with national benchmarks can inform how regional services should be adapted in preparation for future healthcare crises.

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)0,001
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,081
Tête enseignante GPT0,381
Écart entre enseignants0,300 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→