The influence of socioeconomic deprivation on outcomes in transplant patients infected with SARS‐CoV‐2 in Wales
Notice bibliographique
Résumé
INTRODUCTION: SARS-CoV-2 infection has had a significant impact on vulnerable individuals including transplant patients. Socioeconomic deprivation negatively affects outcomes of many health conditions. The aim of this study was to evaluate the effect of socioeconomic deprivation on the incidence and severity of SARS-CoV-2 infection among Welsh transplant patients. METHODS: This study is a retrospective, cross-sectional study on the transplant population of Wales. The Welsh Index of Multiple Deprivation (WIMD) was used to assess the influence of socioeconomic deprivation on outcomes of Welsh transplant patients who developed SARS-CoV-2 infection. Outcome measures were the incidence of SARS-CoV-2 infection, rates of hospital and ICU admission, development of acute kidney injury (AKI) and mortality. A logistic binomial regression analysis was used to correlate the various risk factors with the incidence of SARS-CoV-2 infection. RESULTS: Two hundred and sixty-six (25%) of regular follow up patients had SARS-CoV-2 infection; of these 55 (20.7%) were admitted, 15 (5.6%) to ICU, 37 (13.9%) developed AKI, and 23 (8.6%) died. In a regression analysis, patients of younger age were associated with more (p = .001) and those with SPK (simultaneous pancreas kidney) transplant less chance of infection (p = .038), whereas social deprivation was not associated with the chance of infection (p = .14). In regression analysis increased social deprivation was associated with higher chance of AKI post SARS-CoV-2 (p = .049). CONCLUSIONS: Socioeconomic deprivation did not affect the rates or severity of SARS-CoV-2 infection apart from the degree of AKI in Welsh Transplant patients. Adherence to the preventive measures for this high-risk population must continue to remain a priority.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».