MétaCan
Menu
Retour à la cohorte
Enregistrement W4387439758 · doi:10.1001/jamanetworkopen.2023.37020

Venous Thromboembolism After COVID-19 Infection Among People With and Without Immune-Mediated Inflammatory Diseases

2023· article· en· W4387439758 sur OpenAlexafffundabout
Rabia Khan, M Ellen Kuenzig, Furong Tang, James Im, Jessica Widdifield, Jeffrey D. McCurdy, Gilaad G. Kaplan, Eric I. Benchimol

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHeparin-Induced Thrombocytopenia and Thrombosis
Établissements canadiensOttawa HospitalUniversity of OttawaSunnybrook HospitalSickKids FoundationUniversity of TorontoUniversity of CalgaryInstitute for Clinical Evaluative Sciences
Organismes subventionnairesHospital for Sick ChildrenUniversity of Toronto
Mots-clésCoronavirus disease 2019 (COVID-19)Immune systemVenous thromboembolismMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakInflammationImmunologyIntensive care medicineVirologyInternal medicineDiseaseInfectious disease (medical specialty)ThrombosisOutbreak

Résumé

récupéré en direct d'OpenAlex

Importance: Immune-mediated inflammatory diseases (IMIDs) and COVID-19 are independently associated with venous thromboembolisms (VTEs). Objective: To determine if individuals with IMIDs are at higher risk of VTE following COVID-19 infection compared with individuals without IMIDs. Design, Setting, and Participants: Population-based matched cohort study using multiple deterministically linked health administrative databases from Ontario, Canada, and including patients testing positive for COVID-19 between January 1, 2020, and December 30, 2021, and followed up until March 31, 2022. Individuals with IMIDs (n = 28 440) who tested positive for COVID-19 were matched with up to 5 individuals without an IMID (n = 126 437) who tested positive for COVID-19. Matching was based on year of birth, sex, neighborhood income, and rural/urban residence. Data analysis was performed from August 6, 2022, to August 21, 2023. Exposure: Diagnosis of an IMID, identified using algorithms based on diagnostic codes, procedures, and specialist visits. Main Outcome and Measure: The main outcome was estimated age- and sex-standardized incidence of VTE. Proportional cause-specific hazard models compared the risk of VTE in people with and without IMIDs. Death was a competing risk. Models adjusted for history of VTE, 2 or more doses of a COVID-19 vaccine 14 or more days prior to COVID-19 diagnosis, and the Charlson Comorbidity Index. Routinely collected health data were used, so the hypothesis tested was formulated after data collection but prior to being granted access to data. Results: The study included 28 440 individuals (16 741 [58.9%] female; 11 699 [41.1%] male) with an IMID diagnosed prior to first COVID-19 diagnosis, with a mean (SD) age of 52.1 (18.8) years at COVID-19 diagnosis. These individuals were matched to 126 437 controls without IMIDs. The incidence of VTE within 6 months of COVID-19 diagnosis among 28 440 individuals with an IMID was 2.64 (95% CI, 2.23-3.10) per 100 000 person-days compared with 2.18 (95% CI, 1.99-2.38) per 100 000 person-days among 126 437 matched individuals without IMIDs. The VTE risk was not statistically significantly different among those with vs without IMIDs (adjusted hazard ratio, 1.12; 95% CI, 0.95-1.32). Conclusions and Relevance: In this retrospective population-based cohort study of individuals with IMIDs following COVID-19, individuals with IMIDs did not have a higher risk of VTE compared with individuals without an IMID. These data provide reassurance to clinicians caring for individuals with IMIDs and 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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,019
Tête enseignante GPT0,292
Écart entre enseignants0,273 · 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.

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

Citations5
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHeparin-Induced Thrombocytopenia and ThrombosisTravaux en français237 207