Comparing methods to classify admitted patients with SARS-CoV-2 as admitted for COVID-19 versus with incidental SARS-CoV-2: A cohort study
Notice bibliographique
Résumé
INTRODUCTION: Not all patients with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection develop symptomatic coronavirus disease 2019 (COVID-19), making it challenging to assess the burden of COVID-19-related hospitalizations and mortality. We aimed to determine the proportion, resource utilization, and outcomes of SARS-CoV-2 positive patients admitted for COVID-19, and assess the impact of using the Center for Disease Control's (CDC) discharge diagnosis-based algorithm and the Massachusetts state department's drug administration-based classification system on identifying admissions for COVID-19. METHODS: In this retrospective cohort study, we enrolled consecutive SARS-CoV-2 positive patients admitted to one of five hospitals in British Columbia between December 19, 2021 and May 31,2022. We completed medical record reviews, and classified hospitalizations as being primarily for COVID-19 or with incidental SARS-CoV-2 infection. We applied the CDC algorithm and the Massachusetts classification to estimate the difference in hospital days, intensive care unit (ICU) days and in-hospital mortality and calculated sensitivity and specificity. RESULTS: Of 42,505 Emergency Department patients, 1,651 were admitted and tested positive for SARS-CoV-2, with 858 (52.0%, 95% CI 49.6-54.4) admitted for COVID-19. Patients hospitalized for COVID-19 required ICU admission (14.0% versus 8.2%, p<0.001) and died (12.6% versus 6.4%, p<0.001) more frequently compared with patients with incidental SARS-CoV-2. Compared to case classification by clinicians, the CDC algorithm had a sensitivity of 82.9% (711/858, 95% CI 80.3%, 85.4%) and specificity of 98.1% (778/793, 95% CI 97.2%, 99.1%) for COVID-19-related admissions and underestimated COVID-19 attributable hospital days. The Massachusetts classification had a sensitivity of 60.5% (519/858, 95% CI 57.2%, 63.8%) and specificity of 78.6% (623/793, 95% CI 75.7%, 81.4%) for COVID-19-related admissions, underestimating total number of hospital and ICU bed days while overestimating COVID-19-related intubations, ICU admissions, and deaths. CONCLUSION: Half of SARS-CoV-2 hospitalizations were for COVID-19 during the Omicron wave. The CDC algorithm was more specific and sensitive than the Massachusetts classification, but underestimated the burden of COVID-19 admissions. TRIAL REGISTRATION: Clinicaltrials.gov, NCT04702945.
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 | 0,026 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».