A nationwide study of liver disease hospitalizations during the coronavirus pandemic in the United States
Notice bibliographique
Résumé
BACKGROUND AND AIM: The impact of the Coronavirus disease-2019 (COVID-19) pandemic on patients with liver disease is not well described at the population level in the United States. We used the largest, nationwide inpatient dataset to describe inpatient liver disease outcomes in the United States during the first year of the pandemic (2020) using 2018 and 2019 as comparator years. METHODS: Using the National Inpatient Sample (2018-2020), we explored year-to-year and 2020 month-to-month trends in hospitalizations, length of stay, and inpatient mortality for liver-related complications including cirrhosis, alcohol-associated liver disease (ALD) and alcoholic hepatitis using regression modeling. We reported relative change (RC) in the study period. RESULTS: Decompensated cirrhosis hospitalizations decreased in 2020 compared with 2019 (RC: -2.7%, P < 0.001) while all-cause mortality increased by 15.5% (P < 0.001). Hospitalizations for ALD increased compared with pre-pandemic years (RC: 9.2%, P < 0.001) with a corresponding increase in mortality in 2020 (RC 25.2%, P = 0.002). We observed an increase in liver transplant surgery mortality during the peak months of the pandemic. Importantly, mortality from COVID-19 was higher among patients with decompensated cirrhosis (adjusted odds ratio [OR] 1.72, 95% confidence interval [CI] [1.53-1.94]), Native Americans (OR 1.76, 95% CI [1.53-2.02]), and patients from lower socioeconomic groups. CONCLUSIONS: Cirrhosis hospitalizations decreased in 2020 compared with pre-pandemic years but were associated with higher all-cause mortality rates particularly in the peak months of the COVID-19 pandemic. In-hospital COVID-19 mortality was higher among Native Americans, patients with decompensated cirrhosis, chronic illnesses, and those from lower socioeconomic groups.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».