MétaCan
Menu
Retour à la cohorte
Enregistrement W4392974519 · doi:10.57187/s.3636

A cohort study of patients hospitalised with SARS-CoV-2 infection in Ontario: patient characteristics and outcomes by wave

2024· article· en· W4392974519 sur OpenAlexaffabout
Steven Habbous, Anna Lambrinos, Kirsten Ming, Erik Hellsten

Notice bibliographique

RevueSwiss Medical Weekly · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensPublic Health OntarioWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicinePoisson regressionCohortPopulationLogistic regressionEpidemiologyCohort studyDemographyEmergency medicinePediatricsInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Each wave of the COVID-19 pandemic exhibited a unique combination of epidemiological, social and structural characteristics. We explore similarities and differences in wave-over-wave characteristics of patients hospitalised with COVID-19. METHODS: This was a population-based study in Ontario province, Canada. Patients hospitalised with SARS-CoV-2 between 26 February 2020 and 31 March 2022 were included. An admission was considered related to SARS-CoV-2 infection if the provincial inpatient or outpatient hospital databases contained the ICD-10 diagnostic codes U071/U072 or the Ontario Laboratories Information System indicated a positive SARS-CoV-2 test result (PCR or rapid antigen testing) during the admission or up to two weeks prior. The primary outcome was 90-day mortality (modified Poisson regression). Secondary outcomes were use of critical care during the admission (logistic regression) and total length-of-stay (linear regression with heteroskedastic-consistent standard-error estimators). All models were adjusted for demographic characteristics, neighbourhood socioeconomic factors and indicators of illness severity. RESULTS: There were 73,201 SARS-CoV-2-related admissions: 6127 (8%) during wave 1 (wild-type), 14,371 (20%) during wave 2 (wild-type), 16,653 (23%) during wave 3 (Alpha), 5678 (8%) during wave 4 (Delta) and 30,372 (42%) during wave 5 (Omicron). SARS-CoV-2 was the most responsible diagnosis for 70% of admissions during waves 1-2 and 42% in wave 5. The proportion of admitted patients who were long-term care residents was 18% (n = 1111) during wave 1, decreasing to 10% (n = 1468) in wave 2 and <5% in subsequent waves. During waves 1-3, 46% of all admitted patients resided in a neighbourhood assigned to the highest ethnic diversity quintile, which declined to 27% during waves 4-5. Compared to wave 1, 90-day mortality was similar during wave 2 (adjusted risk ratio [aRR]: 1.00 [95% CI: 0.95-1.04]), but lower during wave 3 (aRR: 0.89 [0.85-0.94]), wave 4 (aRR: 0.85 [0.79-0.91]) and wave 5 (aRR: 0.83 [0.80-0.88]). Improvements in survival over waves were observed among elderly patients (p-interaction <0.0001). Critical care admission was significantly less likely during wave 5 than previous waves (adjusted odds ratio: 0.50 [0.47-0.54]). The length of stay was a median of 8.5 (3.6-23.8) days during wave 1 and 5.3 (2.2-12.6) during wave 5. After adjustment, the mean length of stay was on average -10.4 (-11.1 to -9.8) days, i.e. shorter, in wave 5 vs wave 1. CONCLUSION: Throughout the pandemic, sociodemographic characteristics of patients hospitalised with SARS-CoV-2 changed over time, particularly in terms of ethnic diversity, but still disproportionately affected patients from more marginalised regions. Improved survival and reduced use of critical care during the Omicron wave are reassuring.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,358
Écart entre enseignants0,334 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSwiss Medical WeeklyMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207