MétaCan
Menu
Retour à la cohorte
Enregistrement W4399457764 · doi:10.1016/j.ajt.2024.06.001

The prevalence of postacute sequelae of coronavirus disease 2019 in solid organ transplant recipients: Evaluation of risk in the National COVID Cohort Collaborative

2024· article· en· W4399457764 sur OpenAlexaff
Amanda J. Vinson, Makayla Schissel, Alfred J Anzalone, Evan T French, Amy L. Olex, Stephen Lee, Michael G. Ison, Roslyn B. Mannon

Notice bibliographique

RevueAmerican Journal of Transplantation · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversity of SaskatchewanVictoria General Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesClinical and Translational Science Center, University of New MexicoSouth Carolina Clinical and Translational Research Institute, Medical University of South CarolinaCenter for Clinical and Translational Sciences, University of Texas Health Science Center at HoustonInstitute for Integration of Medicine and ScienceCenter for Clinical and Translational Science, Mayo ClinicColorado Clinical and Translational Sciences InstituteCenter for Clinical and Translational Science, University of MassachusettsUniversity of Colorado DenverLeonard M. Miller School of MedicineUniversity of California, IrvineOregon Clinical and Translational Research InstituteWeill Cornell Medical CollegeClinical and Translational Science Institute, University of FloridaUniversity of Illinois at Urbana-ChampaignUniversity of Oklahoma Health Sciences CenterNational Institutes of HealthUniversity of California, DavisStony Brook UniversityInstitute for Clinical and Translational Science, University of California, IrvineOchsner HealthUniversity of California, San FranciscoLouisiana Clinical and Translational Science CenterGeorgia Clinical and Translational Science AllianceInstitute of Translational Health SciencesChildren's National HospitalVanderbilt University Medical CenterTranslational Research Institute, University of Arkansas for Medical SciencesNorthShore University HealthSystemWake Forest Clinical and Translational Science Institute, Wake Forest School of MedicineInstitute for Translational Medicine and TherapeuticsGeorgetown-Howard Universities Center for Clinical and Translational ScienceSouthern California Clinical and Translational Science InstituteUniversity of MiamiUniversity of South CarolinaInstitute for Clinical and Translational Research, University of Wisconsin, MadisonVanderbilt Institute for Clinical and Translational ResearchUniversity of CincinnatiPennsylvania State UniversityNYU Langone Medical CenterMontana State UniversityDartmouth CollegeGeorgetown UniversityInstitute of Clinical and Translational SciencesSchool of Medicine, Indiana UniversityWashington University in St. LouisUniversity of PittsburghOhio State UniversityWake Forest UniversityUniversity of Texas Health Science Center at San AntonioLoyola University ChicagoUniversity of Southern CaliforniaHarvard CatalystUniversity of OklahomaUniversity of MichiganPenn State Clinical and Translational Science InstituteCase Western Reserve UniversityUniversity of MinnesotaUniversity of California, San DiegoJohns Hopkins UniversityUniversity of California, Los AngelesBill and Melinda Gates FoundationUniversity of WashingtonIrving Medical Center, Columbia UniversityVirginia Commonwealth UniversityYale UniversityUniversity of Wisconsin-MadisonRush UniversityCincinnati Children's Hospital Medical CenterUniversity of UtahChildren's Hospital of PhiladelphiaUniversity of PennsylvaniaGeorge Washington UniversityUniversity of RochesterNorthwestern UniversityVanderbilt UniversityAccelerated Innovation Research Initiative Turning Top Science and Ideas into High-Impact ValuesUniversity of ChicagoYale Center for Clinical Investigation, Yale School of MedicineMedStar Health Research InstituteCenter for Clinical and Translational ResearchEmory UniversityUniversity of Texas Medical BranchWest Virginia Clinical and Translational Science InstituteUniversity of Nebraska Medical CenterWest Virginia University
Mots-clésMedicineConfidence intervalCohortOdds ratioLogistic regressionInternal medicineCoronavirus disease 2019 (COVID-19)Propensity score matchingCohort studyRetrospective cohort studyDiseaseEmergency medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Postacute sequelae after the coronavirus disease (COVID) of 2019 (PASC) is increasingly recognized, although data on solid organ transplant (SOT) recipients (SOTRs) are limited. Using the National COVID Cohort Collaborative, we performed 1:1 propensity score matching (PSM) of all adult SOTR and nonimmunosuppressed/immunocompromised (ISC) patients with acute COVID infection (August 1, 2021 to January 13, 2023) for a subsequent PASC diagnosis using International Classification of Diseases, 10th Revision, Clinical Modification codes. Multivariable logistic regression was used to examine not only the association of SOT status with PASC, but also other patient factors after stratifying by SOT status. Prior to PSM, there were 8769 SOT and 1 576 769 non-ISC patients with acute COVID infection. After PSM, 8756 SOTR and 8756 non-ISC patients were included; 2.2% of SOTR (n = 192) and 1.4% (n = 122) of non-ISC patients developed PASC (P value < .001). In the overall matched cohort, SOT was independently associated with PASC (adjusted odds ratio [aOR], 1.48; 95% confidence interval [CI], 1.09-2.01). Among SOTR, COVID infection severity (aOR, 11.6; 95% CI, 3.93-30.0 for severe vs mild disease), older age (aOR, 1.02; 95% CI, 1.01-1.03 per year), and mycophenolate mofetil use (aOR, 2.04; 95% CI, 1.38-3.05) were each independently associated with PASC. In non-ISC patients, only depression (aOR, 1.96; 95% CI, 1.24-3.07) and COVID infection severity were. In conclusion, PASC occurs more commonly in SOTR than in non-ISC patients, with differences in risk profiles based on SOT status.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,372
Écart entre enseignants0,353 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of TransplantationMême sujetLong-Term Effects of COVID-19Travaux en français237 207