Characterizing Risk Factors for Hospitalization and Clinical Characteristics in a Cohort of COVID-19 Patients Enrolled in the GENCOV Study
Notice bibliographique
Résumé
The GENCOV study aims to identify patient factors which affect COVID-19 severity and outcomes. Here, we aimed to evaluate patient characteristics, acute symptoms and their persistence, and associations with hospitalization. Participants were recruited at hospital sites across the Greater Toronto Area in Ontario, Canada. Patient-reported demographics, medical history, and COVID-19 symptoms and complications were collected through an intake survey. Regression analyses were performed to identify associations with outcomes including hospitalization and COVID-19 symptoms. In total, 966 responses were obtained from 1106 eligible participants (87% response rate) between November 2020 and May 2022. Increasing continuous age (aOR: 1.05 [95%CI: 1.01-1.08]) and BMI (aOR: 1.17 [95%CI: 1.10-1.24]), non-White/European ethnicity (aOR: 2.72 [95%CI: 1.22-6.05]), hypertension (aOR: 2.78 [95%CI: 1.22-6.34]), and infection by viral variants (aOR: 5.43 [95%CI: 1.45-20.34]) were identified as risk factors for hospitalization. Several symptoms including shortness of breath and fever were found to be more common among inpatients and tended to persist for longer durations following acute illness. Sex, age, ethnicity, BMI, vaccination status, viral strain, and underlying health conditions were associated with developing and having persistent symptoms. By improving our understanding of risk factors for severe COVID-19, our findings may guide COVID-19 patient management strategies by enabling more efficient clinical decision making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».