The Impact of Long-Term Conditions and Comorbidity Patterns on COVID-19 Infection and Hospitalisation: A Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Older adults are more vulnerable to COVID-19 infections; however, little is known about which comorbidity patterns are related to a higher risk of COVID-19 infection. This study investigated the role of long-term conditions or comorbidity patterns on COVID-19 infection and related hospitalisations. METHODS: This study included 4,428 individuals from Waves 8 (2016-2017) and 9 (2018-2019) of the English Longitudinal Study of Ageing (ELSA) who also participated in the ELSA COVID-19 Substudy in 2020. Comorbidity patterns were identified using an agglomerative hierarchical clustering method. The relationships between comorbidity patterns or long-term conditions and COVID-19-related outcomes were examined using multivariable logistic regression. RESULTS: Among a representative sample of community-dwelling older adults in England, those with cardiovascular disease (CVD) and complex comorbidities had an almost double risk of COVID-19 infection (OR = 1.87, 95% CI = 1.42-2.46) but not of COVID-19-related hospitalisation. A similar pattern was observed for the heterogeneous comorbidities cluster (OR = 1.56, 95% CI = 1.24-1.96). The individual investigations of long-term conditions with COVID-19 infection highlighted primary associations with CVD (OR = 1.46, 95% CI = 1.23-1.74), lung diseases (OR = 1.40, 95% CI = 1.17-1.69), psychiatric conditions (OR = 1.40, 95% CI = 1.16-1.68), retinopathy/eye diseases (OR = 1.39, 95% CI = 1.18-1.64), and arthritis (OR = 1.27, 95% CI = 1.09-1.48). In contrast, metabolic disorders and diagnosed diabetes were not associated with any COVID-19 outcomes. CONCLUSION: This study provides novel insights into the comorbidity patterns that are more vulnerable to COVID-19 infections and hospitalisations, highlighting the vulnerability of those with CVD and other complex comorbidities. These findings facilitate crucial new evidence that should be considered for appropriate screening measures and tailored interventions for older adults in the ongoing global outbreak.
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 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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».