MétaCan
Menu
Retour à la cohorte
Enregistrement W4387564217 · doi:10.1002/acr2.11620

Effect of Immunosuppressive or Immunomodulatory Agents on Severe <scp>COVID</scp>‐19 Outcomes: A <scp>Population‐Based</scp> Cohort Study

2023· article· en· W4387564217 sur OpenAlexafffundabout
Shelby Marozoff, Jeremiah Tan, Na Lu, Ayesha Kirmani, Jonathan M. Loree, Hui Xie, Diane Lacaille, Jacek A. Kopec, John M. Esdaile, Bonnie Corradetti, Peter R. Malone, Cheryl Koehn, Philippa Mennell, Alison M. Hoens, J. Antonio Aviña‐Zubieta

Notice bibliographique

RevueACR Open Rheumatology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensBC Cancer AgencySimon Fraser UniversityAlberta HealthResearch CanadaArthritis Research Centre of CanadaUniversity of British Columbia
Organismes subventionnairesMichael Smith Health Research BCArthritis Society
Mots-clésMedicineGolimumabTofacitinibLeflunomideAdalimumabInternal medicineInfliximabTocilizumabEtanerceptAbataceptPopulationAzathioprineRituximabRheumatoid arthritisDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We estimated the association between immunosuppressive and immunomodulatory agent (IIA) exposure and severe COVID-19 outcomes in a population-based cohort study. METHODS: Participants were 18 years or older, tested positive for SARS-CoV-2 between February 6, 2020, and August 15, 2021, and were from administrative health data for the entire province of British Columbia, Canada. IIA use within 3 months prior to positive SARS-CoV-2 test included conventional disease-modifying antirheumatic drugs (antimalarials, methotrexate, leflunomide, sulfasalazine, individually), immunosuppressants (azathioprine, mycophenolate mofetil/mycophenolate sodium [MMF], cyclophosphamide, cyclosporine, individually and collectively), tumor necrosis factor inhibitor (TNFi) biologics (adalimumab, certolizumab, etanercept, golimumab, infliximab, collectively), non-TNFi biologics or targeted synthetic disease-modifying antirheumatic drugs (tsDMARDs) (rituximab separately from abatacept, anakinra, secukinumab, tocilizumab, tofacitinib and ustekinumab collectively), and glucocorticoids. Severe COVID-19 outcomes were hospitalizations for COVID-19, ICU admissions, and deaths within 60 days of a positive test. Exposure score-overlap weighting was used to balance baseline characteristics of participants with IIA use compared with nonuse of that IIA. Logistic regression measured the association between IIA use and severe COVID-19 outcomes. RESULTS: From 147,301 participants, we identified 515 antimalarial, 573 methotrexate, 72 leflunomide, 180 sulfasalazine, 468 immunosuppressant, 378 TNFi biologic, 49 rituximab, 144 other non-TNFi biologic or tsDMARD, and 1348 glucocorticoid prescriptions. Risk of hospitalizations for COVID-19 was significantly greater for MMF (odds ratio [95% CI]): 2.82 [1.81-4.40], all immunosuppressants: 2.08 [1.51-2.87], and glucocorticoids: 1.63 [1.36-1.96], relative to nonuse. Similar outcomes were seen for ICU admission and MMF: 2.52 [1.34-4.74], immunosuppressants: 2.88 [1.73-4.78], and glucocorticoids: 1.86 [1.37-2.54]. Only glucocorticoids use was associated with a significant increase in 60-day mortality: 1.58 [1.21-2.06]. No other IIAs displayed statistically significant associations with severe COVID-19 outcomes. CONCLUSION: Current use of MMF and glucocorticoids were associated with an increased risk of severe COVID-19 outcomes compared with nonuse. These results emphasize the variety of circumstances of patients taking IIAs.

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)0,004
score de la tête « metaresearch » (Gemma)0,151
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,147
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,151
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,052
Tête enseignante GPT0,446
Écart entre enseignants0,394 · 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 revueACR Open RheumatologyMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207