The short-, medium- and long-term risk and the multi-organ involvement of clinical sequelae after COVID-19 infection: a multinational network cohort study
Notice bibliographique
Résumé
ObjectivesTo generate comprehensive evidence on the risk of clinical sequelae involving different organ systems over time after coronavirus disease 2019 (COVID-19) infection.DesignMultinational retrospective cohort study.SettingElectronic medical records from the US, UK, France, Germany and Italy standardised to the Observational Medical Outcomes Partnership Common Data Model.ParticipantsA total of 303,251 individuals with a COVID-19 infection between 1 December 2019 and 1 December 2020 and propensity score matched non-COVID-19 comparators from 22,108,925 eligible candidates.Main outcome measuresIncidence of 73 clinical sequelae involving multiple organ systems including the respiratory, cardiovascular, dermatological and endocrine systems over the short- (0-6 months), medium- (6-12 months) and long-term (1-2 years) after COVID-19 infection. The hazard ratio (HR) and 95% confidence interval (95% CI) of individual disease outcomes were estimated using Cox proportional hazard regression.ResultsIndividuals with COVID-19 incurred a greater risk of clinical sequelae involving multiple organ systems including respiratory (France HR 2.23, 95%CI [2.10,2.37] to Italy 13.13 [11.80,14.63]), cardiovascular (Germany 1.39 [1.30,1.50] to US 1.79 [1.74,1.85]) and dermatological (UK 1.13 [1.01,1.25] to Italy 1.77 [1.42,2.21]) disorder over the short-term. While the risk of clinical sequelae has largely subsided during the medium-term, the risk of cardiovascular- (US 1.16 [1.11,1.21], France 1.10 [1.01,1.19]) and endocrine- (US 1.18 [1.12,1.24], Germany 1.15 [1.03,1.29]) related complications may continue to persist for up to two years.ConclusionsThrough a network of multinational healthcare databases, this study generated comprehensive and robust evidence supporting the extensive multi-organ involvement of post-COVID-19 condition over the short-term period and the reduction in risk for most complications over the medium- and long-term.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».