D-dimer for efficacy prediction in COVID-19 patients treated with paxlovid
Notice bibliographique
Résumé
BACKGROUND: Paxlovid is one of the most effective antiviral therapies for COVID-19 patients, but no studies have explored the efficacy predictors of this drug. METHODS: To investigate whether D-dimer could be used as a predictor of paxlovid response. Our study included 394 patients diagnosed with COVID-19 who were treated with paxlovid at Xiangya Hospital from Dec 5, 2022, to Jan 31, 2023. We analyzed the composite outcome and all-cause mortality and compared the clinical and demographic data of patients with normal and abnormal D-dimer levels. RESULTS: We found that 324 patients (82.2%) with D-dimer levels were regularly compared with 70 patients (17.8%). Compared with patients with normal D-dimer levels, those with elevated D-dimer levels exhibited significantly reduced albumin levels, along with elevated levels of white blood cells, platelets, neutrophils, blood urea nitrogen, and procalcitonin. Kaplan-Meier survival curves showed that patients displaying increased D-dimer levels demonstrated a significantly higher incidence of composite disease progression within 28 days (p = 0.002) and all-cause death (p < 0.001). The multivariable adjusted Cox proportional hazard regression model also achieved consistent results in composite outcome (hazard ratio [HR] 2.21, 95% confidence interval [CI], 1.21-4.02, p = 0.009) and all-cause death (HR 8.06, 95% CI 2.74-23.71, p < 0.001). CONCLUSION: Our findings suggested that the reduced efficacy of paxlovid could be predicted by elevated D-dimer levels in COVID-19 patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».