The impact of multimorbidity on severe COVID-19 outcomes in community and congregate settings
Notice bibliographique
Résumé
Purpose: This study examined the impact of multimorbidity on severe COVID-19 outcomes in community and long-term care (LTC) settings, alone and in interaction with age and sex. Methods: We conducted a retrospective cohort study of all Ontarians who tested positive for COVID-19 between January-2020 and May-2021 with follow-up until June 2021. We used cox regression to evaluate the adjusted impact of multimorbidity, individual characteristics, and interactions on time to hospitalization and death (any cause). Results: 24.5% of the cohort had 2 or more pre-existing conditions. Multimorbidity was associated with 28% to 170% shorter time to hospitalization and death, respectively. However, predictors of hospitalization and death differed for people living in community and LTC. In community, increasing multimorbidity and age predicted shortened time to hospitalization and death. In LTC, we found none of the predictors examined were associated with time to hospitalization, except for increasing age that predicted reduced time to death up to 40.6 times. Sex was a predictor across all settings and outcomes: among male the risk of hospitalization or death was higher shortly after infection (e.g. HR for males at 14 days = 30.3) while among female risk was higher for both outcome in the longer term (e.g. HR for males at 150 days = 0.16). Age and sex modified the impact of multimorbidity in the community. Conclusion: Community-focused public health measures should be targeted and consider sociodemographic and clinical characteristics such as multimorbidity. In LTC settings, further research is needed to identify factors that may contribute to improved outcomes.
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 | 0,001 |
| 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) | 0,000 | 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 ».