Coronary and Cerebrovascular Events and Exacerbation of Existing Conditions After Laboratory‐Confirmed Influenza Infection Among US Veterans: A Self‐Controlled Case Series Study
Notice bibliographique
Résumé
BACKGROUND: Influenza may contribute to coronary/cerebrovascular events and exacerbate underlying conditions. METHODS: We used self-controlled case series (SCCS) design to analyze data from US Veterans ≥18 years with coronary/cerebrovascular or exacerbation event +/-1 year of lab-confirmed influenza (LCI) during 2010-2018. We estimated the incidence ratio (IR) (95% CI) of the event for risk interval (Days 1-7 post-LCI) versus control interval (all other times +/-1 year of LCI) with fixed-effects conditional Poisson regression. We included biomarker data for mediation analysis. RESULTS: We identified 3439 episodes with coronary/cerebrovascular-related hospitalizations. IRs (95% CI) for LCI risk versus control interval were STEMI 0.6 (0.1, 4.4), NSTEMI 7.3 (5.8, 9.2), ischemic stroke 4.0 (3.0, 5.4), hemorrhagic stroke 6.2 (3.4, 11.5), and coronary spasm 1.3 (0.5, 3.0). IR significantly increased for NSTEMI and ischemic stroke among those ≥ 65 years. IR for NSTEMI and ischemic stroke dropped 26% and 10%, respectively, when white blood cell (WBC) and platelet count were considered. LCI was significantly associated with exacerbation of preexisting asthma, chronic obstructive pulmonary disease, and congestive heart failure. CONCLUSIONS: We found significant association between LCI and hospitalization for NSTEMI, ischemic stroke, and hemorrhagic stroke, the latter possibly due to unaccounted time-varying confounding in SCCS design.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».