Identifying clusters of coexisting conditions and outcomes among adults admitted to hospital with community-acquired pneumonia: a multicentre cohort study
Notice bibliographique
Résumé
Background: Little is known about patterns of coexisting conditions and their influence on clinical care or outcomes in adults admitted to hospital for community-acquired pneumonia (CAP). We sought to evaluate how coexisting conditions cluster in this population to advance understanding of how multimorbidity affects CAP. Methods: We studied 11 085 adults admitted to hospital with CAP at 7 hospitals in Ontario, Canada. Using cluster analysis, we identified patient subgroups based on clustering of comorbidities in the Charlson Comorbidity Index. We derived and replicated cluster analyses in independent cohorts (derivation sample 2010–2015, replication sample 2015–2017), then combined these into a total cohort for final cluster analyses. We described differences in medications, imaging and outcomes. Results: Patients clustered into 7 subgroups. The low comorbidity subgroup (n = 3052, 27.5%) had no comorbidities. The DM-HF-Pulm subgroup had prevalent diabetes, heart failure and chronic lung disease (n = 1710, 15.4%). One disease category defined each remaining subgroup, as follows: pulmonary (n = 1621, 14.6%), diabetes (n = 1281, 11.6%), heart failure (n = 1370, 12.4%), dementia (n = 1038, 9.4%) and cancer (n = 1013, 9.1%). Corticosteroid use ranged from 11.5% to 64.9% in the dementia and pulmonary subgroups, respectively. Piperacillin–tazobactam use ranged from 9.1% to 28.0% in the pulmonary and cancer subgroups, respectively. The use of thoracic computed tomography ranged from 5.7% to 36.3% in the dementia and cancer subgroups, respectively. Adjusting for patient factors, the risk of in-hospital death was greater in the cancer (adjusted odds ratio [OR] 3.12, 95% confidence interval [CI] 2.44–3.99), dementia (adjusted OR 1.57, 95% CI 1.05–2.35), heart failure (adjusted OR 1.66, 95% CI 1.35–2.03) and DM-HF-Pulm subgroups (adjusted OR 1.35, 95% CI 1.12–1.61), and lower in the diabetes subgroup (adjusted OR 0.67, 95% CI 0.50–0.89), compared with the low comorbidity group. Interpretation: Patients admitted to hospital with CAP cluster into clinically recognizable subgroups based on coexisting conditions. Clinical care and outcomes vary among these subgroups with little evidence to guide decision-making, highlighting opportunities for research to personalize care.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».