MétaCan
Menu
Retour à la cohorte
Enregistrement W4408993723 · doi:10.1080/13696998.2025.2482372

Characterizing the clinical and economic burden of COVID-19 among individuals with immunocompromising conditions in Ontario, Canada – a matched, population-based observational study

2025· article· en· W4408993723 sur OpenAlexaffabout
Christina Qian, Karissa Johnston, María Tinajero, M. L. Voss, Austin Nam, Mackenzie A. Hamilton

Notice bibliographique

RevueJournal of Medical Economics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensAstraZeneca (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Vaccination2019-20 coronavirus outbreakPopulationDemographyPediatricsGerontologyFamily medicineInternal medicineVirologyEnvironmental healthOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

Aims Despite high vaccination rates, COVID-19 continues to be associated with substantial burden among immunocompromised patients (IC). This study aimed to describe and compare outcomes during and following COVID-19 hospitalizations among immunocompromised IC and non-immunocompromised patients (non-IC).Methods Patients hospitalized with COVID-19 (01/2020-03/2023) were identified in Ontario health administrative claims databases. All eligible IC (≥1 of solid organ or stem cell transplant; hematological malignancy; rheumatoid arthritis; multiple sclerosis; or primary immunodeficiency) were matched (1:4) to eligible non-IC. Clinical burden, healthcare resource use, and costs were assessed during hospitalization and post-discharge. Multivariate regression models were used to estimate relative risks (RRi), rates (RRa), and corresponding 95% confidence intervals (CIs), adjusting for neighborhood deprivation, long-term care residency, baseline comorbidities, and COVID-19 vaccination status.Results 9,283 IC hospitalized with COVID-19 (mean age 68.7 years; 52.1% female) were matched to 37,127 non-IC. During index hospitalization, IC had greater risks of intensive care unit admission (RRi = 1.06[1.01-1.12]), receipt of ventilation (RRi = 1.27[1.19-1.36]), and all-cause mortality (RRi = 1.34[1.27-1.41]) compared to non-IC. Within 30-days post-discharge, IC had greater rates of all-cause readmission to hospital (RRa = 1.33[1.26-1.40]), admission to emergency departments (RRa = 1.13[1.08-1.18]), home oxygen use (RRi = 1.35[1.15-1.58]), and COVID-19-related rehabilitation (RRa = 1.52[1.22-1.89]), resulting in 21%(16%-25%) and 51%(45%-58%) greater costs in hospital and post-discharge, respectively. All-cause mortality remained approximately 5% higher for IC compared to non-IC at 30- and 60- days post-discharge (p < 0.001). Resource use rates remained elevated among IC with 57%(50%-64%) greater costs within 180 days post-discharge.Limitations Unmeasured confounding remain; the use of treatments for COVID-19 were not adjusted due to a lack of in-hospital prescription data. Attribution of post-discharge resource use and costs to COVID-19 hospitalizations was subject to greater uncertainty further from the index hospitalization.Conclusion IC experienced more severe COVID-19 outcomes in hospital and post-discharge compared to non-IC. COVID-mitigating policies and prophylactic treatments are needed to continue to protect immunocompromised populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,136
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,081
Tête enseignante GPT0,384
Écart entre enseignants0,303 · 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 tête enseignante, 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

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medical EconomicsMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207