Factors Associated With an Electronic Health Record–Based Definition of Postacute Sequelae of COVID-19 in Patients With Systemic Autoimmune Rheumatic Disease
Notice bibliographique
Résumé
OBJECTIVE: Many individuals with rheumatic disease are at higher risk for severe acute coronavirus disease 2019 (COVID-19). We aimed to evaluate risk factors for postacute sequelae of COVID-19 (PASC) using an electronic health record (EHR)-based definition. METHODS: We identified patients with prevalent rheumatic diseases and COVID-19 within the Mass General Brigham healthcare system. PASC was defined by the International Classification of Diseases, 10th revision (ICD-10) codes, relevant labs, vital signs, and medications at least 30 days following the first COVID-19 infection. Patients were followed until the earliest of incident PASC, repeat COVID-19 infection, 1 year of follow-up, death, or February 19, 2023. We used multivariable Cox regression to estimate the association of baseline characteristics with PASC risk. RESULTS: Among 2459 patients (76.37% female, mean age 57.4 years), the most common incident PASC manifestations were cough (14.56%), dyspnea (12.36%), constipation (11.39%), and fatigue (10.70%). Serious manifestations including acute coronary disease (4.43%), thromboembolism (3.09%), hypoxemia (3.09%), stroke (1.75%), and myocarditis (0.12%) were rare. The Delta wave (adjusted hazard ratio [aHR] 0.63, 95% CI 0.49-0.82) and Omicron era (aHR 0.50, 95% CI 0.41-0.62) were associated with lower risk of PASC than the early pandemic period (March 2020-June 2021). Age, obesity, comorbidity burden, race, and hospitalization for acute COVID-19 infection were associated with greater risk of PASC. Glucocorticoid (GC) use (aHR 1.19, 95% CI 1.05-1.34 compared to no use) was associated with greater risk of PASC. CONCLUSION: Among patients with rheumatic diseases, following their first COVID-19 infection, we found a decreased risk of PASC over calendar time using an EHR-based definition. Aside from GCs, no specific immunomodulatory medications were associated with increased risk, and risk factors were otherwise similar to those seen in the general population.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».