Impact of COVID-19 infection on lung function and nutritional status amongst individuals with cystic fibrosis: A global cohort study
Notice bibliographique
Résumé
Background Factors associated with severe COVID-19 infection have been identified; however, the impact of infection on longer-term outcomes is unclear. The objective of this study was to examine the impact of COVID-19 infection on the trajectory of lung function and nutritional status in people with cystic fibrosis (pwCF). Methods This is a retrospective global cohort study of pwCF who had confirmed COVID-19 infection diagnosed between January 1, 2020 and December 31, 2021. Forced expiratory volume in one second percent predicted (ppFEV 1 ) and body mass index (BMI) twelve months prior to and following a diagnosis of COVID-19 were recorded. Change in mean ppFEV 1 and BMI were compared using a t -test. A linear mixed-effects model was used to estimate change over time and to compare the rate of change before and after infection. Results A total of 6,500 cases of COVID-19 in pwCF from 33 countries were included for analysis. The mean difference in ppFEV 1 pre- and post-infection was 1.4 %, (95 % CI 1.1, 1.7). In those not on modulators, the difference in rate of change pre- and post-infection was 1.34 %, (95 % CI -0.88, 3.56) per year ( p = 0.24) and -0.74 % (-1.89, 0.41) per year ( p = 0.21) for those on elexacaftor/tezacaftor/ivacaftor. No clinically significant change was noted in BMI or BMI percentile before and after COVID-19 infection. Conclusions No clinically meaningful impact on lung function and BMI trajectory in the year following infection with COVID-19 was identified. This work highlights the ability of the global CF community to unify and address critical issues facing pwCF.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».