COVID-19–Associated Outcomes of Critical Illness in Patients with Frailty: a Cohort Study
Notice bibliographique
Résumé
Background Pre-admission frailty has been associated with higher hospital mortality in patients with critical illness. We aimed to measure the prevalence of frailty and its associated outcomes in patients with COVID-19 critical illness. Methods A historical cohort study of all adults admitted to ICU with a pneumonia diagnosis in Alberta, Canada between May 1, 2020, and October 31, 2020. At ICU admission patients were routinely assessed for frailty using the Clinical Frailty Scale (CFS). Frailty was defined as a CFS score ≥5. Primary outcomes were pre-admission frailty prevalence and hospital mortality. Results The cohort (n=521) prevalence of frailty was 34.2% (n=178), mean (SD) age was 58.8 (14.9) years, APACHE II 22.8 (8.0), and 39.5% (n=206) were female. COVID-19 pneumonia was diagnosed in (19.0%; n=99) admissions; pre-admission frailty was present in 20.2% (n=20) vs. 79.8% (n=79) non-frail (p<.001). Among ICU patients admitted with COVID-19, hospital mortality in frail patients was 35.4% (n=63) vs. 14.0% (n=48) in non-frail (p<.001). Conclusion Pre-admission frailty was present in 20.2% of COVID-19 ICU admissions and was associated with higher risk of hospital mortality. Frailty assessment may yield valuable prognostic information when considering COVID-19 ICU admission; however, further study is needed to identify effect on patient-centred outcomes in this heterogeneous population.
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 | 0,005 |
| 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 | 0,000 |
| 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 ».