Relationships Between Serum Vitamin D, Inflammatory Markers, and Outcomes in Non‐Critically Ill Patients With COVID‐19: A Cross‐Sectional Study
Notice bibliographique
Résumé
ABSTRACT Backround Treatment options for COVID‐19 remain limited and are primarily focused on specific patient populations; accordingly, preventive measures continue to be a crucial aspect of effective management. There is evidence that vitamin D effectively prevents viral upper respiratory tract infections during epidemics. The aim of this study was to assess the association between serum vitamin D and inflammatory markers, mortality, and clinical symptoms in patients with COVID‐19. Methods This cross‐sectional study involved non‐critically ill patients with COVID‐19 in a provincial reference hospital in Mashhad, Iran. Demographic and clinical data were extracted from patient medical records. Serum vitamin D was measured for each patient within 12 h of admission. Data were analyzed using linear and logistic regression models. Results In total, 452 patients (mean age 63.87 ± 17.97 years) were included in this study during 2 months of data collection. The most common serum vitamin D status was sufficient (30.0%), followed by deficient (29.4%), insufficient (23.2%), and severely deficient (17.3%). Partial symptom improvement was observed in 326 (72.1%) patients after 22 days of hospitalization, disregarding the vitamin D status. The mortality rate was 22.6%. COVID‐19 mortality was significantly related to serum urea (p = 0.002, OR = 1.020, 95% CI: 1.008–1.033), pulse rate (p = 0.015, OR = 1.047, 95% CI: 1.009–1.086), and age (p = 0.002, OR = 1.076, 95% CI: 1.027–1.127). Conclusions Among patients with COVID‐19, serum vitamin D levels were linked to mortality and some clinical parameters, including urea and pulse rate. Further longitudinal studies should evaluate the relationship between serum vitamin D levels and COVID‐19 outcomes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».