Greater COVID-19-related healthcare utilisation with multimorbidity versus single or immunocompromised conditions
Notice bibliographique
Résumé
Introduction: The impact of multimorbidity (≥2 chronic conditions) on risk of severe COVID-19 outcomes and healthcare resource utilisation (HCRU) is unknown. We compared COVID-19-related HCRU among individuals with multimorbidity to those with immunocompromising (IC) conditions and those with single high-risk conditions. Methods: We conducted a retrospective study using Optum's de-identified Clinformatics® Data Mart Database and applying US Centers for Disease Control and Prevention criteria for COVID-19 high-risk conditions in 2 time periods: BA/BQ and XBB. The first day of the variant-defined period was the index date. Adults ≥18 years with IC conditions at index were compared to adults with chronic heart disease (CHD), diabetes (DBT), obesity, and hypertension (HTN). COVID-19-related HCRU within 90 days following index included hospitalisation, emergency room or urgent care visits, and outpatient visits. Results: Multimorbidity affected ~3-7 times more individuals than IC and single conditions (Figure). Adults with multimorbidity generally also had greater inpatient and outpatient HCRU than individuals with IC or a single condition, in both age groups, except outpatient visits in younger adults. Conclusions: Adults with multimorbidity had greater COVID-19 HCRU, especially if aged ≥65. Identifying populations with multiple chronic comorbidities can inform COVID-19 vaccination and treatment guidelines. erj;64/suppl_68/PA1522/F1 F1 F1
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».