MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405384988 · doi:10.1101/2024.12.11.24318876

Severe outcomes and length of stay among people with schizophrenia hospitalized for COVID-19: A population-based retrospective cohort study

2024· preprint· en· W4405384988 sur OpenAlexaffabout
Jessica Gronsbell, Hilary Thurston, Jianhui Gao, Yaqi Shi, Anthony Train, Debra A. Butt, Andrea S. Gershon, Braden O’Neill, Karen Tu

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensQueen's UniversityHealth Sciences CentreWomen's and Gender Studies et Recherches FéministesSunnybrook Health Science CentreNorth York General HospitalYork UniversityUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRetrospective cohort studyCoronavirus disease 2019 (COVID-19)Schizophrenia (object-oriented programming)MedicineCohortPopulationCohort studySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Real world evidencePsychiatryEmergency medicineEnvironmental healthInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Background and Hypothesis Schizophrenia is associated with substantial physical and psychiatric comorbidities that increase the risk of severe outcomes in COVID-19 infection. However, few studies have examined the differences in care and outcomes among people with schizophrenia throughout the pandemic. We hypothesized that rates of in-hospital mortality, admission to the intensive care unit (ICU), and length of stay differed among people with and without schizophrenia. Study Design We conducted a population-based retrospective cohort study using administrative health data from Ontario, Canada that included individuals hospitalized for COVID-19 between February 2020 and October 2023. We compared mortality, ICU admission, and length of stay using regression models adjusted for age, sex, comorbidities, vaccination status, and sociodemographic characteristics. Study Results We evaluated 66,959 hospital admissions, 4.3% (2,884) of which involved people with schizophrenia. People with schizophrenia had a significantly decreased rate of ICU admission (adjusted OR: 0.74, [0.67, 0.82]), a longer length of stay (adjusted RR: 1.25, [1.21, 1.30]), but a similar risk of mortality (adjusted OR: 1.09, [0.98, 1.22]) as people without schizophrenia. Age modified the relationship between schizophrenia and ICU admission. People with schizophrenia aged 60-75 were substantially less likely to be admitted to the ICU relative to those without (18.4% vs. 26.5%, p < .001). Conclusions Our findings underscore disparities in care among people with and without schizophrenia. These disparities vary by age and suggest that people with schizophrenia may not be receiving the same level of care as people without schizophrenia hospitalized for COVID-19.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,147
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
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 Opus0,028
Tête enseignante GPT0,371
Écart entre enseignants0,344 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→