Impact of the COVID-19 pandemic on non-COVID-19 community-acquired pneumonia: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic could impact frequency and mortality of non-COVID-19 community-acquired pneumonia (CAP). Changes in frequency, patient mix, treatment and organ dysfunction could cascade together to increase mortality of CAP during compared with pre-COVID-19. METHODS: Hospitalised CAP patients at St. Paul's Hospital, Vancouver, Canada pre-COVID-19 (fiscal years 2018/2019 and 2019/2020) and during COVID-19 pandemic (2020/2021 and 2021/2022) were evaluated. RESULTS: In 5219 CAP patients, there was no significant difference prepandemic versus during pandemic in mean age, gender and Charlson Comorbidity Score. However, hospital mortality increased significantly from pre-COVID-19 versus during COVID-19 (7.5% vs 12.1% respectively, (95% CI for difference: 3.0% to 6.3%), p<0.001), a 61% relative increase, coincident with increases in ICU admission (18.3% vs 25.5%, respectively, (95% CI for difference: 5.0% to 9.5%) p<0.001, 39% relative increase) and ventilation (12.7% vs 17.5%, respectively, (95% CI for difference: 2.8% to 6.7%) p<0.001, 38% relative increase). Results remained the same after regression adjustment for age, sex and Charlson score. CAP hospital admissions decreased 27% from pre-COVID-19 (n=1349 and 1433, 2018/2019 and 2019/2020, respectively) versus the first COVID-19 pandemic year (n=1047 in 2020/2021) then rose to prepandemic number (n=1390 in 2021/2022). During prepandemic years, CAP admissions peaked in winter; during COVID-19, the CAP admissions peaked every 6 months. CONCLUSIONS AND RELEVANCE: This is the first study to show that the COVID-19 pandemic was associated with increases in hospital mortality, ICU admission and invasive mechanical ventilation rates of non-COVID-19 CAP and a transient, 1-year frequency decrease. There was no winter seasonality of CAP during the COVID-19 pandemic era. These novel findings could be used to guide future pandemic planning for CAP hospital care.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».