MétaCan
Menu
Retour à la cohorte
Enregistrement W4381309298 · doi:10.1001/jamainternmed.2023.2228

Comparison of Medical and Mental Health Sequelae Following Hospitalization for COVID-19, Influenza, and Sepsis

2023· article· en· W4381309298 sur OpenAlexafffundabout
Kieran L. Quinn, Thérèse A. Stukel, Anjie Huang, Husam Abdel‐Qadir, Azmina Altaf, Chaim M. Bell, Angela M. Cheung, Allan S. Detsky, Susie Goulding, Margaret S. Herridge, Noah Ivers, Lauren Lapointe‐Shaw, John Lapp, Candace D. McNaughton, Afsaneh Raissi, Laura C. Rosella, Nahrain Warda, Fahad Razak, Amol A. Verma

Notice bibliographique

RevueJAMA Internal Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensSt. Michael's HospitalSinai Health SystemSunnybrook HospitalWomen's College HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineSepsisRheumatoid arthritisInternal medicinePopulationHazard ratioCohort studyPediatricsIntensive care medicineEmergency medicineConfidence intervalEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: People who survive hospitalization for COVID-19 are at risk for developing new cardiovascular, neurological, mental health, and inflammatory autoimmune conditions. It is unclear how posthospitalization risks for COVID-19 compare with those for other serious infectious illnesses. Objective: To compare risks of incident cardiovascular, neurological, and mental health conditions and rheumatoid arthritis in 1 year following COVID-19 hospitalization against 3 comparator groups: prepandemic hospitalization for influenza and hospitalization for sepsis before and during the COVID-19 pandemic. Design, Setting, and Participants: This population-based cohort study included all adults hospitalized for COVID-19 between April 1, 2020, and October 31, 2021, historical comparator groups of people hospitalized for influenza or sepsis, and a contemporary comparator group of people hospitalized for sepsis in Ontario, Canada. Exposure: Hospitalization for COVID-19, influenza, or sepsis. Main Outcome and Measures: New occurrence of 13 prespecified conditions, including cardiovascular, neurological, and mental health conditions and rheumatoid arthritis, within 1 year of hospitalization. Results: Of 379 366 included adults (median [IQR] age, 75 [63-85] years; 54% female), there were 26 499 people who survived hospitalization for COVID-19, 299 989 historical controls (17 516 for influenza and 282 473 for sepsis), and 52 878 contemporary controls hospitalized for sepsis. Hospitalization for COVID-19 was associated with an increased 1-year risk of venous thromboembolic disease compared with influenza (adjusted hazard ratio, 1.77; 95% CI, 1.36-2.31) but with no increased risks of developing selected ischemic and nonischemic cerebrovascular and cardiovascular disorders, neurological disorders, rheumatoid arthritis, or mental health conditions compared with influenza or sepsis cohorts. Conclusions and Relevance: In this cohort study, apart from an elevated risk of venous thromboembolism within 1 year, the burden of postacute medical and mental health conditions among those who survived hospitalization for COVID-19 was comparable with other acute infectious illnesses. This suggests that many of the postacute consequences of COVID-19 may be related to the severity of infectious illness necessitating hospitalization rather than being direct consequences of infection with SARS-CoV-2.

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)0,005
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 enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,049
Tête enseignante GPT0,450
Écart entre enseignants0,401 · 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

Citations53
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Internal MedicineMême sujetLong-Term Effects of COVID-19Travaux en français237 207