MétaCan
Menu
Retour à la cohorte
Enregistrement W4384407732 · doi:10.1111/epi.17715

In‐hospital outcomes in patients with and without epilepsy diagnosed with <scp>COVID</scp>‐19—A cohort study

2023· article· en· W4384407732 sur OpenAlexaff
Claire Ufongene, Grace Van Hyfte, Parul Agarwal, Leah J. Blank, Jonathan Goldstein, Brian Mathew, Jung‐Yi Lin, Allison Navis, Louise McCarthy, Kapil Gururangan, Veronica J. Peschansky, Churl‐Su Kwon, Ariella Cohen, Andy Ho Wing Chan, Mandip S. Dhamoon, Pojen Deng, Eveline Gutzwiller, Qing Hao, Celestine He, Wilson D. Heredia Nunez, Britany Klenofsky, Hernan Nicolás Lemus, Lara Marcuse, Mallory Roberts, Emily Schorr, Anuradha Singh, Gabriela Tantillo, James Young, Priti Balchandani, Joanne R. Festa, Georges Naasan, Alexander W. Charney, Girish N. Nadkarni, Nathalie Jetté

Notice bibliographique

RevueEpilepsia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on AgingNational Institutes of Health
Mots-clésEpilepsyCoronavirus disease 2019 (COVID-19)MedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Cohort2019-20 coronavirus outbreakCohort studyPediatricsPsychiatryDiseaseInternal medicineVirologyOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Coronavirus disease 2019 (COVID-19) is associated with mortality in persons with comorbidities. The aim of this study was to evaluate in-hospital outcomes in patients with COVID-19 with and without epilepsy. METHODS: We conducted a retrospective study of patients with COVID-19 admitted to a multicenter health system between March 15, 2020, and May 17, 2021. Patients with epilepsy were identified using a validated International Classification of Diseases, Ninth Revision, Clinical Modification (ICD-9-CM)/ICD-10-CM case definition. Logistic regression models and Kaplan-Meier analyses were conducted for mortality and non-routine discharges (i.e., not discharged home). An ordinary least-squares regression model was fitted for length of stay (LOS). RESULTS: We identified 9833 people with COVID-19 including 334 with epilepsy. On univariate analysis, people with epilepsy had significantly higher ventilator use (37.70% vs 14.30%, p < .001), intensive care unit (ICU) admissions (39.20% vs 17.70%, p < .001) mortality rate (29.60% vs 19.90%, p < .001), and longer LOS (12 days vs 7 days, p < .001). and fewer were discharged home (29.64% vs 57.37%, p < .001). On multivariate analysis, only non-routine discharge (adjusted odds ratio [aOR] 2.70, 95% confidence interval [CI] 2.00-3.70; p < .001) and LOS (32.50% longer, 95% CI 22.20%-43.60%; p < .001) were significantly different. Factors associated with higher odds of mortality in epilepsy were older age (aOR 1.05, 95% CI 1.03-1.08; p < .001), ventilator support (aOR 7.18, 95% CI 3.12-16.48; p < .001), and higher Charlson comorbidity index (CCI) (aOR 1.18, 95% CI 1.04-1.34; p = .010). In epilepsy, admissions between August and December 2020 or January and May 2021 were associated with a lower odds of non-routine discharge and decreased LOS compared to admissions between March and July 2020, but this difference was not statistically significant. SIGNIFICANCE: People with COVID-19 who had epilepsy had a higher odds of non-routine discharge and longer LOS but not higher mortality. Older age (≥65), ventilator use, and higher CCI were associated with COVID-19 mortality in epilepsy. This suggests that older adults with epilepsy and multimorbidity are more vulnerable than those without and should be monitored closely in the setting of COVID-19.

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)0,002
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,276
Écart entre enseignants0,269 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetLong-Term Effects of COVID-19Travaux en français237 207