MétaCan
Menu
Retour à la cohorte
Enregistrement W4386306020 · doi:10.1001/jamanetworkopen.2023.31617

SARS-CoV-2 Infection, Hospitalization, and Mortality in Adults With and Without Cancer

2023· article· en· W4386306020 sur OpenAlexaffabout
Seyed M. Hosseini‐Moghaddam, Frances A. Shepherd, Sarah Swayze, Jeffrey C. Kwong, Kelvin Chan

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentrePrincess Margaret Cancer CentreInstitute for Clinical Evaluative SciencesPublic Health OntarioUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineHazard ratioIntensive care unitCancerProportional hazards modelInternal medicineRetrospective cohort studyPopulationLung cancerCohortCohort studyConfidence intervalEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Patients with cancer are at increased risk of SARS-CoV-2-associated adverse outcomes. Objective: To determine the associations of tumor type with SARS-CoV-2 infection, hospitalization, intensive care unit (ICU) admission, and death. Design, Setting, and Participants: This retrospective, population-based cohort study included community-dwelling adults aged at least 18 years in Ontario, Canada, ICES-linked provincial health databases from January 1, 2020, to November 30, 2021. Data were analyzed from December 1, 2021, to November 1, 2022. Exposures: Cancer diagnosis. Main Outcomes and Measures: The primary outcome was SARS-CoV-2 infection, and secondary outcomes included all-cause 14-day hospitalization, 21-day ICU admission, and 28-day death following SARS-CoV-2 infection. Cox proportional hazards models were used to obtain adjusted hazard ratios (aHRs) and 95% CIs. Results: Of 11 732 108 people in the ICES-linked health databases, 279 287 had cancer (57.2% female; mean [SD] age, 65.9 [16.1] years) and 11 452 821 people did not have cancer (45.7% female; mean [SD] age, 65.9 [16.0] years). Overall, 464 574 individuals (4.1%) developed SARS-CoV-2 infection. Individuals with hematologic malignant neoplasms (33 901 individuals) were at increased risk of SARS-CoV-2 infection (aHR, 1.19; 95% CI, 1.13-1.25), 14-day hospitalization (aHR, 1.75; 95% CI, 1.57-1.96), and 28-day mortality (aHR, 2.03; 95% CI, 1.74-2.38) compared with the overall population, while individuals with solid tumors (245 386 individuals) were at lower risk of SARS-CoV-2 infection (aHR, 0.93; 95% CI, 0.91-0.95) but increased risk of 14-day hospitalization (aHR, 1.11; 95% CI, 1.05-1.18) and 28-day mortality (aHR, 1.31; 95% CI, 1.19-1.44). The 28-day mortality rate was high in hospitalized patients with hematologic malignant neoplasms (163 of 321 hospitalized patients [50.7%]) or solid tumors (486 of 1060 hospitalized patients [45.8%]). However, the risk of 21-day ICU admission in patients with hematologic malignant neoplasms (aHR, 1.14; 95% CI, 0.93-1.40) or solid tumors (aHR, 0.93; 95% CI, 0.82-1.05) was not significantly different from that among individuals without cancer. The SARS-CoV-2 infection risk decreased stepwise with increasing numbers of COVID-19 vaccine doses received (1 dose: aHR, 0.63; 95% CI, 0.62-0.63; 2 doses: aHR, 0.16; 95% CI, 0.16-0.16; 3 doses: aHR, 0.05; 95% CI, 0.04-0.06). Conclusions and Relevance: These findings highlight the importance of prioritization strategies regarding ICU access to reduce the mortality risk in increased-risk populations, such as patients with cancer.

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 enseignants0,021
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,057
Tête enseignante GPT0,410
Écart entre enseignants0,353 · 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

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetCOVID-19 and healthcare impactsTravaux en français237 207