Long-Term Mortality Risk of Hemodialysis Patients Surviving Initial COVID-19: A Report from the Quebec Renal Network COVID-19 Study
Notice bibliographique
Résumé
Background: Dialysis patients are at high-risk of morbidity and mortality early after SARS-CoV-2 infection. Long-term consequences of SARV-CoV-2 infection are however still not well described in this population. We aimed to compare long-term mortality between dialysis patients who survived 30-day after a SARS-CoV-2 infection and dialysis patients negative to SARS-CoV-2. Methods: We included patients with SARS-CoV-2 PCR tests performed between March 1st 2020 and February 30th 2021 from 7 dialysis centers in Quebec. Patients alive at 30 days after SARS-CoV-2 diagnosis were matched by age, sex, center and PCR test date to patients negative for SARS-CoV-2 and followed for up to one year, starting at 30 days after initial infection (or negative test). We assessed mortality risk in unadjusted and adjusted multivariable Cox regressions. Results: Ninety-eight patients with SARS-CoV-2 infection alive 30-day after diagnosis were matched to 166 SARS-CoV-2-negative patients. Baseline characteristics were similar between the two groups. Patients were followed for a median of 331 (301-347) days. Overall, 32 patients died during the study period (15 [15%] in the SARS-CoV-2-positive group and 17 [10%] in the SARS-CoV-2-negative group, p=0.22). There was no statistically significant association between mortality risk and previous SARS-CoV-2 infection (HR 1.5, 95% CI 0.8-3.1), even after adjustment for residual imbalance (aHR 1.4, 95% CI 0.7-3.1). Results remained similar after exclusion of 4 patients who died of SARS-CoV-2 infection > 30-day after diagnosis (Table 1). Conclusions: One-year survival of dialysis patients surviving SARS-CoV-2 infection was similar to those never infected. Funding: Government Support - Non-U.S. - Baseline Characteristics SARS-CoV-2 positive (n=98) SARS-CoV-2 negative (n=166) p-value Age, years 72 (62; 79) 71 (61; 78) 0.76 Sex male 58 (59) 149 (61) 0.71 Long-term care residency 19 (19) 26 (16) 0.44 Primary kidney disease 0.65 Diabetic nephropathy 43 (44) 83 (50) Hypertensive disease 21 (21) 27 (16) Glomerulonephritis 11 (11) 21 (13) Others 23 (23) 35 (21) Diabetes 58 (59) 103 (62) 0.65 Cardiovascular disease 62 (63) 102 (61) 0.77 Respiratory disease 14 (14) 32 (19) 0.30 Cancer (previous or active) 11 (11) 35 (21) 0.04 Previous kidney transplantation 7 (7) 6 (4) 0.20 Kidney replacement therapy duration, in years 2.6 (1.0;6.5) 2.7 (1.2;4.9) 0.88 Adjusted mortality predictors aHR 95% CI p-value Positive SARS-CoV-2 infection 1.4 0.7-3.1 0.33 Long-term care housing 3.5 1.7-7.3 0.001 Kidney replacement therapy duration, per year 1.05 0.99-1.11 0.09 Diabetic kidney disease (vs. other) 1.9 0.9-3.9 0.09
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».