Association between inpatient glycemic variability and COVID-19 mortality: a prospective study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: This study aimed to determine the association between glycemic variability (GV) and mortality in hospitalized patients with coronavirus disease 2019 (COVID-19). METHODS: We prospectively analyzed data from inpatients (> 18 years old) with RT-PCR confirmed COVID-19 admitted between March 2020 and July 2021. All patients were hospitalized for more than 48 h and had at least six point-of-care capillary glucose tests obtained three times daily in the pre-prandial period during hospitalization. GV was measured using the glucose standard deviation (SD) and coefficient of variation (CV). ROC curve was adjusted to determine the SD and CV cutoff values associated with mortality (44.7 mg/dL and 27.5%, respectively); values above these were considered indicative of high GV. Logistic regression models were fitted to explore the association between GV and mortality in patients with and without diabetes. RESULTS: A total of 628 patients were stratified into SD < 44.7 mg/dL (n = 357) versus ≥ 44.7 mg/dL (n = 271) and CV < 27.5% (n = 318) versus ≥ 27.5% (n = 310) groups. After controlling for age, sex, presence of diabetes mellitus (DM) and cardiovascular disease, we found a significant association between high GV and mortality (odds ratio 2.99 [1.88-4.77] for SD and 2.43 [1.54-3.85] for CV; p values < 0.001). The mortality rate was higher with SD ≥ 44.7 mg/dL and CV ≥ 27.5% compared to that with SD < 44.7 mg/dL and CV < 27.5%, regardless of DM (p < 0.001 for all). CONCLUSION: High glycemic variability was independently associated with mortality in patients with and without DM, who were hospitalized with 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle