Major adverse cardiovascular events (MACE) in patients with severe COVID-19 registered in the ISARIC WHO clinical characterization protocol: A prospective, multinational, observational study
Notice bibliographique
Résumé
PURPOSE: To determine its cumulative incidence, identify the risk factors associated with Major Adverse Cardiovascular Events (MACE) development, and its impact clinical outcomes. MATERIALS AND METHODS: This multinational, multicentre, prospective cohort study from the ISARIC database. We used bivariate and multivariate logistic regressions to explore the risk factors related to MACE development and determine its impact on 28-day and 90-day mortality. RESULTS: 49,479 patients were included. Most were male 63.5% (31,441/49,479) and from high-income countries (84.4% [42,774/49,479]); however, >6000 patients were registered in low-and-middle-income countries. MACE cumulative incidence during their hospital stay was 17.8% (8829/49,479). The main risk factors independently associated with the development of MACE were older age, chronic kidney disease or cardiovascular disease, smoking history, and requirement of vasopressors or invasive mechanical ventilation at admission. The overall 28-day and 90-day mortality were higher among patients who developed MACE than those who did not (63.1% [5573/8829] vs. 35.6% [14,487/40,650] p < 0.001; 69.9% [6169/8829] vs. 37.8% [15,372/40,650] p < 0.001, respectively). After adjusting for confounders, MACE remained independently associated with higher 28-day and 90-day mortality (Odds Ratio [95% CI], 1.36 [1.33-1.39];1.47 [1.43-1.50], respectively). CONCLUSIONS: Patients with severe COVID-19 frequently develop MACE, which is independently associated with worse clinical 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 | 0,004 | 0,080 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».