Environmental Profiles and COVID-19 Mortality Risk: A Latent Class Analysis of Intensive Care Patients in the Early Pandemic
Notice bibliographique
Résumé
Abstract Background Coronavirus disease 2019 (COVID-19) continues to strain intensive care units (ICUs), particularly during seasonal surges and in conjunction with other respiratory infections. While clinical and demographic mortality predictors are well-established, the impact of environmental conditions remains less understood, especially at the individual level. We therefore analysed subgroups of ICU patients based on environmental conditions and evaluate differences in mortality risk. Methods In this retrospective, multi-centre cohort study, we analysed data from 1,166 adults admitted with COVID-19 to three Birmingham (UK) ICUs between March 1, 2020, and February 28, 2021. Using latent class analysis (LCA), we grouped patients by ambient temperature, relative humidity, and wind speed preceding ICU admission. Associations between class membership and ICU mortality were assessed using multivariable logistic regression, adjusting for age, sex, ethnicity, deprivation, BMI, frailty, and ICNARC Physiology Score. Relative risk (RR) of mortality was compared across classes. Results Four latent classes were identified. Two showed significantly increased mortality risk: one with high temperature and low humidity (RR=1.62, 95% CI: 1.14-2.29) and another with low temperature and moderate-to-high wind speed (RR=1.47, 95% CI: 1.15-1.89), compared to the reference class. Environmental and patient characteristics, particularly relative humidity, female sex, BMI, ICNARC score, and frailty, demonstrated class-specific associations with mortality. Conclusions Environmental exposures prior to ICU admission contribute to mortality risk in critically ill COVID-19 patients. Incorporating these conditions into patient risk stratification could enhance clinical decision-making, particularly during public health emergencies.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».