Characteristics and clinical outcomes of nirmatrelvir/ritonavir (PaxlovidTM) recipients in Canada, 2022: a descriptive cohort study
Notice bibliographique
Résumé
Background: ) was introduced in Canada in January 2022. This was the first oral coronavirus disease 2019 (COVID-19) antiviral therapy that was deployed on a large scale in Canada. Since N/R was a new therapeutic option to reduce severe outcomes in high-risk populations, clinical and implementation questions were raised about its real-world utilization and impact. The objective of this retrospective observational study was to describe the characteristics and clinical outcomes of recipients of N/R in the first several months of its availability in Canada, during the Omicron wave. Methods: Provincial summary data were pooled together for the analysis. Descriptive statistics were used to explore the characteristics and clinical outcomes of the recipients. Pearson's Chi-square test and unadjusted odds ratio along with 95% confidence intervals were used to identify the potential risk factors for severe outcomes. Data were generally collected between January and September 2022. Results: Seventy-six percent of N/R recipients were 60 years of age and older and 56% were female. Eighty-four percent of recipients had received three or more COVID-19 vaccinations and 67% had comorbidities. All-cause severe 30-day outcomes were uncommon, with 0.4% reported as deceased, 0.1% admitted to the intensive care unit and 2.0% hospitalized after N/R administration. Risk factors statistically associated with severe outcomes were immunosuppression, comorbidities, age of 60 years and older, and being unvaccinated. Conclusion: In the first months of its availability in Canada, N/R was mostly used in vaccinated patients 60 years and older with one or more comorbidities. Severe outcomes in N/R recipients were uncommon and mostly reported in patients with risk factors.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».