Caractéristiques et issues des hospitalisations pour les cas de COVID-19 et d’influenza dans la région de Toronto
Bibliographic record
Abstract
RÉSUMÉ CONTEXTE: Les caractéristiques des patients, les soins cliniques, l’utilisation des ressources et les issues cliniques des personnes atteintes de la maladie à coronavirus 2019 (COVID-19) hospitalisées au Canada ne sont pas bien connus. MÉTHODES: Nous avons recueilli des données sur tous les adultes hospitalisés atteints de la COVID-19 ou de l’influenza ayant obtenu leur congé d’unités médicales ou d’unités de soins intensifs médicaux et chirurgicaux entre le 1er novembre 2019 et le 30 juin 2020 dans 7 centres hospitaliers de Toronto et de Mississauga (Ontario). Nous avons comparé les issues cliniques des patients à l’aide de modèles de régression multivariée, en tenant compte des facteurs sociodémographiques et de l’intensité des comorbidités. Nous avons validé le degré d’exactitude de 7 scores de risque mis au point à l’externe pour déterminer leur capacité à prédire le risque de décès chez les patients atteints de la COVID-19. RÉSULTATS: Parmi les hospitalisations retenues, 1027 patients étaient atteints de la COVID-19 (âge médian de 65 ans, 59,1 % d’hommes) et 783 étaient atteints de l’influenza (âge médian de 68 ans, 50,8 % d’hommes). Les patients âgés de moins de 50 ans comptaient pour 21,2 % de toutes les hospitalisations dues à la COVID-19 et 24,0 % des séjours aux soins intensifs. Comparativement aux patients atteints de l’influenza, les patients atteints de la COVID-19 présentaient un taux de mortalité perhospitalière (mortalité non ajustée 19,9 % c. 6,1 %; risque relatif [RR] ajusté 3,46 %, intervalle de confiance [IC] à 95 % 2,56–4,68) et un taux d’utilisation des ressources des unités de soins intensifs (taux non ajusté 26,4 % c. 18,0 %; RR ajusté 1,50, IC à 95 % 1,25–1,80) significativement plus élevés, ainsi qu’une durée d’hospitalisation (durée médiane non ajustée 8,7 jours c. 4,8 jours; rapport des taux d’incidence ajusté 1,45; IC à 95 % 1,25–1,69) significativement plus longue. Le taux de réhospitalisation dans les 30 jours n’était pas significativement différent (taux non ajusté 9,3 % c. 9,6 %; RR ajusté 0,98 %, IC à 95 % 0,70–1,39). Trois scores de risque utilisant un pointage pour prédire la mortalité perhospitalière ont montré une bonne discrimination (aire sous la courbe [ASC] de la fonction d’efficacité du récepteur [ROC] 0,72–0,81) et une bonne calibration. INTERPRÉTATION: Durant la première vague de la pandémie, l’hospitalisation des patients atteints de la COVID-19 était associée à des taux de mortalité et d’utilisation des ressources des unités de soins intensifs et à une durée d’hospitalisation significativement plus importants que les hospitalisations des patients atteints de l’influenza. De simples scores de risque peuvent prédire avec une bonne exactitude le risque de mortalité perhospitalière des patients atteints de la COVID-19.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".