MétaCan
Menu
Retour à la cohorte
Enregistrement W4379232573 · doi:10.1016/j.tranon.2023.101709

COVID-19 severity and cardiovascular outcomes in SARS-CoV-2-infected patients with cancer and cardiovascular disease

2023· article· en· W4379232573 sur OpenAlexaff
Melissa Moey, Cassandra Hennessy, Benjamin French, Jeremy L. Warner, Matthew D. Tucker, Daniel Hausrath, Dimpy P. Shah, Jeanne M. DeCara, Ziad Bakouny, Chris Labaki, Toni K. Choueiri, Susan Dent, Nausheen Akhter, Roohi Ismail‐Khan, Lisa Tachiki, David Slosky, Tamar S. Polonsky, Joy Awosika, Audrey Crago, Trisha M. Wise‐Draper, Nino Balanchivadze, Clara Hwang, Leslie A. Fecher, Cyndi Gonzalez Gomez, Brandon Hayes‐Lattin, Michael Glover, Sumit Shah, Dharmesh Gopalakrishnan, Elizabeth A. Griffiths, Daniel H. Kwon, Vadim S. Koshkin, Sana Mahmood, Babar Bashir, Taylor K. Nonato, Pedram Razavi, Rana R. McKay, Gayathri Nagaraj, Eric Oligino, Matthew Puc, Polina Tregubenko, Elizabeth Wulff‐Burchfield, Zhuoer Xie, Þorvarður R. Hálfdánarson, Dimitrios Farmakiotis, Elizabeth J. Klein, Elizabeth Robilotti, Gregory J. Riely, Jean‐Bernard Durand, Salim S. Hayek, Lavanya Kondapalli, Stephanie Berg, Timothy E. O’Connor, Mehmet Asım Bilen, Cecilia A. Castellano, Melissa Accordino, Sibel Blau, Lisa B. Weissmann, Chinmay Jani, Daniel Flora, Lawrence Rudski, Míriam Santos Dutra, Bouganim Nathaniel, Erika Ruíz‐García, Diana Vilar‐Compte, Shilpa Gupta, Alicia K. Morgans, Anju Nohria

Notice bibliographique

RevueTranslational Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensMcGill University Health CentreMcGill UniversityJewish General Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institutes of HealthNational Cancer InstituteVanderbilt Institute for Clinical and Translational ResearchVanderbilt UniversityRoswell Park Cancer Institute
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineDisease2019-20 coronavirus outbreakBetacoronavirusSars virusCancerVirologyInternal medicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

Data regarding outcomes among patients with cancer and co-morbid cardiovascular disease (CVD)/cardiovascular risk factors (CVRF) after SARS-CoV-2 infection are limited. To compare Coronavirus disease 2019 (COVID-19) related complications among cancer patients with and without co-morbid CVD/CVRF. Retrospective cohort study of patients with cancer and laboratory-confirmed SARS-CoV-2, reported to the COVID-19 and Cancer Consortium (CCC19) registry from 03/17/2020 to 12/31/2021. CVD/CVRF was defined as established CVD or no established CVD, male ≥ 55 or female ≥ 60 years, and one additional CVRF. The primary endpoint was an ordinal COVID-19 severity outcome including need for hospitalization, supplemental oxygen, intensive care unit (ICU), mechanical ventilation, ICU or mechanical ventilation plus vasopressors, and death. Secondary endpoints included incident adverse CV events. Ordinal logistic regression models estimated associations of CVD/CVRF with COVID-19 severity. Effect modification by recent cancer therapy was evaluated. Among 10,876 SARS-CoV-2 infected patients with cancer (median age 65 [IQR 54–74] years, 53% female, 52% White), 6253 patients (57%) had co-morbid CVD/CVRF. Co-morbid CVD/CVRF was associated with higher COVID-19 severity (adjusted OR: 1.25 [95% CI 1.11–1.40]). Adverse CV events were significantly higher in patients with CVD/CVRF (all p<0.001). CVD/CVRF was associated with worse COVID-19 severity in patients who had not received recent cancer therapy, but not in those undergoing active cancer therapy (OR 1.51 [95% CI 1.31–1.74] vs. OR 1.04 [95% CI 0.90–1.20], pinteraction <0.001). Co-morbid CVD/CVRF is associated with higher COVID-19 severity among patients with cancer, particularly those not receiving active cancer therapy. While infrequent, COVID-19 related CV complications were higher in patients with comorbid CVD/CVRF. (COVID-19 and Cancer Consortium Registry [CCC19]; NCT04354701).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,044
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

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

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 Opus0,071
Tête enseignante GPT0,390
Écart entre enseignants0,319 · 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 tête enseignante, 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 revueTranslational OncologyMême sujetCOVID-19 and healthcare impactsTravaux en français237 207