MétaCan
Menu
Retour à la cohorte
Enregistrement W4390387217 · doi:10.1093/ofid/ofad686

COVID-19 Convalescent Plasma Therapy: Long-term Implications

2023· article· en· W4390387217 sur OpenAlexfundno aff
Hyunah Yoon, Yi Li, Keith Goldfeld, Gia Cobb, Caroline L Sturm-Reganato, Dushyantha Jayaweera, Julie V. Philley, Mahalia S. Desruisseaux, Liise-anne Pirofski, Mila B. Ortigoza, Bruce N. Cronstein, Deborah Keeling, Norka Rappoport, Jenna Saraga, James Holahan, Rakshit Andela, Yousef Darwish, Monica R Taveras, Patrick S Xin, Levi G. Cleare, Mary L O'Keeffe, Fatema Z Rahman, Adeyinka Ajayi, Sara L. Rodriguez, Eduardo Iturrate, Jacqueline M Gallagher, Ololade E. Thomas, Danibel Ramos, Charlotte C. Fong, Andrea A. Asencio, Isaiah Eke, James Castro, Jidong Shan, Alex Chalco, Grace M Cortezzo, Erica Rocco, Oscar Bate Akide Ndunge, Catherine Parmelee, Gina Solomon, Staci Cahil, Chin Chin Lee, Daru Ransford, Deniz Dasmany, Andres Corona, Kenia Moreno, Gledys L Martinez, Christopher Otero, David D. McPherson, Bela Patel, Masayuki Nigo, Ryan Huebinger, Goutham Dronavalli, Carolyn Z. Grimes, Virginia Umana, María Dolores García Hernández, Laura E Nielsen, Taylor P Stutz, Mehriban Mammadova, Andrew Dentino, Timothy R. Heath, Jessica Martin, Fatimah Bello, Erik Hinojosa, Megan Devine, Rebekah Hibbard, Anne M Ford

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesUniversity of MiamiYork UniversityUniversity of Texas Health Science Center at HoustonGeorgia Clinical and Translational Science AllianceJanssen PharmaceuticalsYale UniversityGilead SciencesNational Institutes of HealthAlbert Einstein College of Medicine, Yeshiva UniversityNew York UniversityGlaxoSmithKlinePfizer
Mots-clésConvalescent plasmaMedicineCoronavirus disease 2019 (COVID-19)Virology2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Term (time)Intensive care medicineInternal medicineOutbreakDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The long-term effect of coronavirus disease 2019 (COVID-19) acute treatments on postacute sequelae of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection (PASC) is unknown. The CONTAIN-Extend study explores the long-term impact of COVID-19 convalescent plasma (CCP) therapy on postacute sequelae of SARS-CoV-2 infection (PASC) symptoms and general health 18 months following hospitalization. Methods: The CONTAIN-Extend study examined 281 participants from the original CONTAIN COVID-19 trial (CONTAIN-RCT, NCT04364737) at 18 months post-hospitalization for acute COVID-19. Symptom surveys, global health assessments, and biospecimen collection were performed from November 2021 to October 2022. Multivariable logistic and linear regression estimated associations between the randomization arms and self-reported symptoms and Patient-Reported Outcomes Measurement Information System (PROMIS) scores and adjusted for covariables, including age, sex, race/ethnicity, disease severity, and CONTAIN enrollment quarter and sites. Results: There were no differences in symptoms or PROMIS scores between CCP and placebo (adjusted odds ratio [aOR] of general symptoms, 0.95; 95% CI, 0.54-1.67). However, females (aOR, 3.01; 95% CI, 1.73-5.34), those 45-64 years (aOR, 2.55; 95% CI, 1.14-6.23), and April-June 2020 enrollees (aOR, 2.39; 95% CI, 1.10-5.19) were more likely to report general symptoms and have poorer PROMIS physical health scores than their respective reference groups. Hispanic participants (difference, -3.05; 95% CI, -5.82 to -0.27) and Black participants (-4.48; 95% CI, -7.94 to -1.02) had poorer PROMIS physical health than White participants. Conclusions: CCP demonstrated no lasting effect on PASC symptoms or overall health in comparison to the placebo. This study underscores the significance of demographic factors, including sex, age, and timing of acute infection, in influencing symptom reporting 18 months after acute hypoxic COVID-19 hospitalization.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,361
Écart entre enseignants0,328 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetLong-Term Effects of COVID-19Travaux en français237 207