你在這裏

  • 家
  • 存檔
  • 12卷,問題6
  • 因素相關,變化,COVID-19醫院死亡率在英格蘭的第一個兩波:觀察研究

條文本

菜單條
衛生服務研究
原始研究
因素相關,變化,COVID-19醫院死亡率在英格蘭的第一個兩波:觀察研究
  1. 亞曆克斯瓶1,
  2. 說法Faitna1,
  3. 斯蒂芬•布雷特2,3,
  4. 保羅Aylin1
  1. 1公共衛生學院的,倫敦帝國理工學院,倫敦、英國
  2. 2外科學係和癌症,倫敦帝國理工學院,倫敦、英國
  3. 3急救護理,帝國理工學院醫療保健服務的信任,倫敦、英國
  1. 對應到教授亞曆克斯瓶;robert.bottle在{}imperial.ac.uk

文摘

目標評估患者的立場和管理員死亡和變化的預測死亡率後入學後COVID-19在英格蘭的第一個兩波占隨機變化。量化關聯醫院的死亡率第一和第二波。

設計觀察研究使用管理數據。

設置急性非專業醫院在英格蘭。

參與者所有的病人承認COVID-19的初步診斷。

主要和次要結果住院死亡。

結果醫院集統計(他)數據提取所有急性醫院在英格蘭COVID-19招生從2020年3月到2021年3月。在波1(2020年3月至7月),有74 484招生和21 883人死亡(原油率29.4%);在波2(2020年8月至2021年3月),有165 642招生和36 040人死亡(21.8%)。波2年輕患者,有高血壓和肥胖但較低的其他並發症。為所有年齡的死亡率改善;在第二波,它在2020年12月達到頂峰24.2%(低於1波的峰值)在2021年3月,但減半。在多個多級建模將他與管理員態勢報告的數據,波2和波1變量顯著相關的死亡大多是相同的。中位數優勢比波1隻是1.05和波2是1.07。控製限度99.8%,3%的醫院高和7%低漏鬥圖中異常波1;波2這些數字分別為9%和12%。 Four hospitals were (low) outliers in both waves. The correlation between hospitals’ adjusted mortality rates between waves was 0.45 (p<0.0001). Length of stay was similar in each wave.

結論英格蘭的前兩個COVID-19波相似有關預測和溫和的轉診小組變異。盡管挑戰,死亡率的變化和醫院之間保持適度的長度和可能被未被注意的病人占因素。

  • COVID-19
  • 質量在衛生保健
  • 成人密集和急救護理

數據可用性聲明

沒有數據是可用的。pseudonymised病人數據被用於這項研究可以通過聯係訪問NHS數字(見https://digital.nhs.uk/services/data-access-request-service-dars)。訪問這些數據的數據共享協議(DSA)包含詳細的條款和條件使用以下協議批準NHS數字。

http://creativecommons.org/licenses/by-nc/4.0/

這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。

http://dx.doi.org/10.1136/bmjopen - 2021 - 060251

來自Altmetric.com的統計

    請求的權限

    如果你想重用任何或所有本文的請使用下麵的鏈接,這將帶你到版權稅計算中心的RightsLink服務。你將能夠獲得快速的價格和即時允許重用內容在許多不同的方式。

    本研究的優點和局限性

    • 本研究受益於國家數據和多級模型考慮到集群的病人在醫院和隨機死亡率的變化。

    • 行政數據缺乏生理信息如氧飽和度和疾病嚴重程度,導致不完整的風險調整。

    • 我們沒有信息關於轉移決策或選擇有限的重症監護病人的床

    介紹

    是現在已知的病人因素與COVID-19感染和不良COVID-19狀況相關聯。1 2這些包括年齡、種族、並發症和小麵積的剝奪和地理等,在非洲,他們另外包括人口密度、醫療條件有限,艾滋病、肺結核和貧血。3一個泛歐洲的國家層麵的數據的分析發現,病死率和死亡率呈正相關由於吸煙超過70歲的人,國內生產總值(gdp)和民主和水平負相關醫院的病床上的數字。4然而,醫院之間COVID-19變化研究結果在2020年第一波仍出現。我們研究65強化治療單位(itu),5955家醫院6和117家醫院7所有單位之間顯示明顯的差異,有差異,醫院如何應對流感大流行的增加容量和治療方案。8在美國退伍軍人健康管理局,病人特點的差異占大多數的死亡率在全國160個設施的變化來解釋。9適度的死亡率的變化好風險調整後itu之間也被發現,在70年以80%的變異設施歸因於患者的立場因素和地區社會經濟剝奪。10隨著人口和衛生係統不同,重要的是要獲得來自世界各地的證據。

    到來之前的ο變體在2021年末,英國有三波,大約開始於2020年3月,2020年9月和2021年5月。我們發現醫院之間的適度變化的風險調整後的全因死亡率在英格蘭在第一波,11大瀑布為所有年齡和醫院死亡率四分位數;另一家醫院統計數據集(他)的研究發現類似的溫和由於COVID-19轉診小組變異為死亡記錄。12盡管一致的死亡率下降,我們發現之初的寶貴時機和late-wave死亡率之間沒有相關性。在當前的分析中,我們從第一波問發生了什麼變化。我們商會和第二波病人特征相比,死亡率和死亡率的相關因素。然後,提出醫院死亡率較低的在第一次wave-potentially那些能夠更好地學習和實施新的COVID-19治療和先進做法繼續有更好的死亡率在第二波。這些都是我們的研究問題:

    1. 協變量是波2患者的立場和管理員和模式的死亡率與波1 ?

    2. 風險調整後,醫院的一波2死亡率與他們一波1死亡率?

    方法

    數據

    醫院集統計,他,涵蓋所有NHS(公共)患者在NHS或私人醫院和私人在英國NHS醫院治療的患者。信息包括入院和出院日期、人口、程序、一個主要診斷(主要問題處理),19個二級診斷領域與icd - 10編碼(合並症和並發症),和住院的結果如滯留時間(LOS)和死亡。對於每一個病人,我們鏈接的記錄到招生(superspells)考慮轉移醫院顧問和醫院之間。第一個接收醫院COVID-19每個superspell使用記錄。我們尋找U071 icd -代碼13和U07213日14在初步診斷領域。並發症被從任何二次指數診斷字段(參見的承認在線補充附錄icd - 10編碼)。小麵積水平不足被病人記錄與派生多個剝奪的2019指數分數,由人口和加權放到第五以便在每個地區剝奪第五包含英國20%的人口。

    在我們之前的分析,11我們增強了他與幾個管理員記錄變量。它隻是一個日常COVID-19招生的數量。此外,COVID-19情況報告公布的英國國民健康保險製度15被用來計算平均每周占用床位數量,占領COVID-19患者的床位數量確認,占領了許多機械通氣(MV)床COVID-19患者被確診,COVID-19-related員工的缺勤的類型和數量,通過隔離疾病或時期。2020年3月情況報告數據不可用;我們使用這些估算值為2020年4月的第一周。報告內的醫院確定匹配在他醫院:我們能夠匹配122(滿分126分)的急性,非專業醫院。兩個合並後第一波,但沒有提交記錄使用他們的新代碼。所有的分析都是基於122年的醫院。

    他數據滯後,有關國家死亡登記。這使30天的總死亡率的計算(即包括的和心髒死亡),與天0被錄取的日子。我們報告30天的原油總死亡率背景但關注住院死亡作為主要結果。

    統計分析

    在英國國民健康保險製度,醫院信托組織單位提供急性服務可以包括多個醫院網站。我們的分析使用醫院的信任,但為了簡便起見,我們把他們稱為“醫院”。我們計算原油由醫院死亡率(信任),然後應用兩級邏輯回歸,用隨機攔截的醫院。這些病人有以下(一級)獨立變量:年齡(見在線補充附錄圖A1)、性別、糖尿病、高血壓、冠心病、慢性阻塞性肺病、肥胖、癌症、腎髒疾病、癡呆、地區社會經濟剝奪Carstairs(如加權人口分析昆泰),緊急情況和招生計劃(基於他字段“ADMIMETH”),招生來源(從自己的家,從另一個供應商,基於他字段“ADMISORC”),民族,由於任何原因緊急招生數量的前12個月和月入學。管理員總床入住率證實COVID-19床入住率,MV床對確診COVID-19的入住率情況下,員工的缺勤COVID-19和COVID-19招生也包括管理員(要求等級2)變量的完整模型,他們每個人one-knot樣條函數和線性條件取決於適合(見在線補充附錄數據A2 A6)。病人發病率也描述使用Charlson合並症得分校準NHS。16獨立變量是結合前兩塊分別進入完整的模型:患者的立場變量和管理員變量。為每個變量係數之間的比較單塊模型和完整的模型。這樣做是為了確定是否患者的立場變量被管理員抱愧蒙羞的,反之亦然。作為COVID-19隻有4%的病人承認,至少兩次在整個研究期間,我們沒有試圖調整供病人這樣的重複觀測。

    獲得調整死亡率和利率醫院,每個病人預測概率計算的固定效果完全調整模型的一部分,也就是說,不包括醫院隨機效應17醫院和總結給總預期死亡;觀察到的死亡總數除以這些預期,給鼻中隔黏膜下切除術後標準化死亡率,。將這轉化為風險調整後的利率,這是乘以全國原油率。這樣做是為每個單獨波。

    估計醫院之間的死亡率的變化,我們首先考察了協方差估計的隨機效應和組內相關係數(ICC),這表明有多少總變異的病人死亡率占的醫院。18中位數優勢比(ORs)計算每一波。這些都是基於ICC和估計的平均價值或死亡率最高的醫院和醫院死亡率最低的時候隨機選擇兩家醫院。SMRs被繪製在漏鬥情節和死亡率異常值的數量控製在95%和99.8%限製基於泊鬆分布。

    評估醫院是否改變了他們的死亡率之間的波,首先比較了兩套SMRs皮爾遜相關係數。在每一個時期,醫院然後根據SMRs四分位數。的加權kappa統計計算結果表4×4。

    敏感性分析包括(1)限製招生隻確診病例(U071)作為主要診斷在第一或第二集和(2)擴大招生COVID-19診斷代碼在任何位置在入學。

    病人和公眾參與

    病人沒有積極參與這項研究。

    結果

    165醫院的一個或多個COVID-19招生,但是我們這122年急性有限,非專業醫院也有管理員發布數據,從而排除3501 COVID-19病例和829人死亡。

    波比波1 2例略年輕和有很少前緊急招生(表1)。他們的癡呆率較低,但較高的高血壓和肥胖。在165年642波2招生COVID-19作為主要診斷,有36 040院內死亡(21.8%的速度;30天的總率為20.8%):這個速度增加每個月從2020年8月的15.2%峰值在去年12月的24.2%降至11.2%(2021年3月在線補充附錄圖A7)。波1死亡率為29.4%。原油或死亡的波2相對於波1為0.67 (95% CI 0.66 - 0.68, p < 0.001)。死亡率降低大多數年齡段在波2 (表1)。

    把這個表:
    表1

    病人特點、數量和比例因COVID-19入院的患者院內死亡的122個英語波

    怎麼第一波(2020年3月至7月)和第二波(2020年8月到2021年3月)死亡率和因素與死亡率相關的比較?

    表2給出了邏輯回歸結果每一波為完整的模型(即兩塊變量)。增加管理員的口服補液鹽變量表示為單位,每10個單位和一個SD,與SDs以醫院的水平。

    把這個表:
    表2

    多級邏輯回歸結果為住院死亡率第一和第二波COVID-19招生

    協變量在完整的多個邏輯回歸模型中,與患者住院死亡率顯著關聯的兩波都是年齡、性別、種族、剝奪、法承認,承認,緊急招生在前12個月,月承認,糖尿病,高血壓(盡管關係逆轉的方向),冠心病、慢性阻塞性肺疾病、肥胖、癌症、腎髒疾病和老年癡呆症(在線補充附錄表A1)。統計上顯著的協變量的第二波隻是COVID-19日常招生(每10個額外占用床位幾率高出3%),COVID-19床入住率(雖然隻有微小的影響,即使對於一個SD)和COVID-19 MV床入住率(每10個額外占用床位幾率低4%)。床入住率和COVID-19-related員工的缺勤未達到統計上的顯著水平,反是波(表2)。

    變量的係數塊,尤其是患者的立場的,小受的另一塊。波的主要變化是一個用於COVID-19日常招生(< 4),調整或降至1.10 (1.07,1.13,p < 0.0001), 1.02 (0.99, 1.05, p = 0.25)後添加塊與共變患者的立場。

    模型與c統計歧視是公正的,0.74和0.77的第一和第二波,分別;校準是合理評估的Hosmer-Lemeshow情節(在線補充附錄,數字A8 A9)。

    怎麼每個醫院的第一波死亡率與他們的第二波死亡嗎?

    第一和第二波SMRs之間的皮爾遜相關係數為0.45 (p < 0.0001)。圖1與當地平滑之間的散點圖顯示管理員SMRs第一和第二波。

    Scatterplot of COVID-19 hospital-level standardised mortality ratios for the first and second wave among 122 English hospitals with a local smoother (black curve) and lines of difference of±25% (green and orange lines).
    " data-icon-position="" data-hide-link-title="0">圖1
    圖1

    散點圖的COVID-19管理員標準化死亡率之間的第一和第二波122個英語與當地醫院平滑(黑色曲線)和行不同的±25%(綠色和橙色線)。

    從第一個四分位數之間的大多數醫院搬第二波(表3)。沒有醫院從最低到最高四分位數,雖然三個(2.5%)從最高到最低四分位數。加權kappa係數為0.35(可信區間0.22 - 0.48),表明“公平”協議。

    把這個表:
    表3

    風險調整後的死亡率和數量占全國總人口(%)的醫院,醫院死亡率四分位數在第一和第二波

    在線補充表A2給出了平均原油年齡組死亡率的四分位數1和四分位數4醫院第一和第二波。波2年齡梯度比較大的兩個四分位數,盡管波2中的原油死亡率低四分位數和所有年齡。

    隨機變異存在於醫院多少錢?

    粗死亡率的急性、非專業醫院從14.4%變化到42.7%在第一波(圖A10在線補充附錄在第二波()和9.3%和34.8%圖A11在線補充附錄)。在醫院中,有53個(43.4%)和69年(56.6%)異常值在95%控製限製第一和第二波,分別。控製99.8%的限製,有32(26.2%)和50(41.0%)異常值為第一和第二波,16(13.1%)和29(23.8%)醫院高異常值和16(13.1%)和21(17.2%)醫院作為第一和第二波低異常值,分別。

    風險調整後,SMRs不同醫院之間從60到135和52到135年第一(圖A12在線補充附錄)和第二波(圖2)分別有24(19.7%)和44例(36.1%)異常值的95%控製限製(2 SD), 12(9.8%)和26(21.3%)的99.8%控製限。波兩個離群值比波多一個,15(12.3%)低和11(9.0%)高99.8%控製限度與9(7.4%)和3(2.5%)波。

    Funnel plot for adjusted COVID-19 standardised mortality ratio for the second wave (August 2020 to March 2021).
    " data-icon-position="" data-hide-link-title="0">圖2
    圖2

    漏鬥圖調整COVID-19標準化死亡率的第二波(2020年8月至2021年3月)。

    四醫院離群值在99.8%在兩種波,所有異常值較低。

    國際刑事法庭的第一和第二波的多級模型為1.6%和2.1%,分別;隨機效應的協方差參數第一波分別為0.055和0.070的第二波,均p < 0.0001,顯示統計學意義,但小醫院兩個時間之間的死亡率的變化調整後可用病人因素。這些對應的口服補液鹽中值隻有1.05波一波和1.07兩。

    總體洛杉磯COVID-19招生範圍從0到311的夜晚第一波0到228夜的第二波在醫院,全國總體平均六個晚上的第一和第二波。第一和第二波差是3 - 12所示。這是類似的幸存者和死者的第一波(數據未顯示),但在第二波的長在死者中值(差)八(4-15)在死者與六(3-11)在那些幸存下來。中位數管理員保持六晚上波(IQR 6 - 7)。

    我們發現,中位數洛杉磯不同醫院之間僅略有第一波,用非常有限的相關死亡率(數據沒有顯示)。然而,在第二波,SMRs之間的皮爾遜相關係數和平均洛杉磯溫和(ρ= 0.33,p = 0.0002)。

    敏感性分析

    COVID-19發生在次要位置波2中35.7%的時間。醫院離群值比COVID-19作為主要診斷(見在線補充附錄)。兩組之間的相關性SMRs高為0.87 (p < 0.0001)。當我們限製招生隻確診病例(U071)異常率為類似於主要分析。相關性與SMRs來自主要的分析是非常高在0.99 (p < 0.0001)。

    討論

    總結主要發現

    英格蘭結束後的第一個COVID-19波,在入院患者住院死亡率為COVID-19穩步上升,2020年12月達到頂峰之前減半。波2患者尤其是年輕和共病比波1例。大多數與死亡率顯著相關的因素是相同的,比如年齡,男性性別,亞洲民族和並發症,相當與管理員因素有限,盡管COVID-19招生的數量(正相關)和MV床占用(負協會)是統計學意義和可觀的效應大小。

    波1中,有醫院的死亡率之間適度的變化調整後可用患者危險因素和隨機變化。有更多的高和低波2中異常值,但它有超過兩倍的統計力量來檢測異常值。有溫和的醫院的風險調整後的死亡率之間的相關性兩個波。

    比較與先前的文獻病例組合和死亡率隨時間的變化

    我們發現病人住院的病例組合COVID-19改變隨著時間的推移,同意與其他研究。意料之中的是,另一個他分析,2020年3月到9月這段時間分割成兩個,還發現後期更容易被男性和亞洲和較低的死亡率。19接種疫苗始於2020年12月,3個月劑量之間的差距,所以隻有老年人和最脆弱的會有一個劑量的第二波。我們的病人與死亡率相關的因素同意與另一個,最近他的研究。20.在瑞典,60天的住院死亡率為3月1日至2020年9月30日從25%下降到10%,大約一半的比例承認電聯。21同樣,在意大利,2020年2月到2021年2月,第二波,定義為2020年8月起,低死亡率和ITU的需要。22在歐洲之外,從模式至少有時是不同的。在南非2020年3月至2021年3月,國家積極監測係統的結果DATCOV(日常醫院監測)表明,峰值情況下,招生和死亡更大的第二波與第一次相比,或許是由於β突變。相比之下,在第一波、第二波患者更有可能40 - 64歲的混血,並發症。23在巴西,受影響最嚴重的國家之一,2020年2月到2021年5月,每周承認患者的最大數量要求非侵入式通風,入侵MV或兩者相比第一季度增加了192%在第二波。沒有接受ITU護理的患者比例的變化,37%左右,但作者認為這是由於缺乏急救護理而不是疾病嚴重程度的變化。盡管年輕的波的平均年齡2招生,住院死亡率似乎已經上升。24

    其它病毒性呼吸道疾病如流感和肺炎發病率和致死率展示常規季節性變化。例如,每周統計死亡的呼吸道疾病在英格蘭和威爾士的2019年國家統計局25(即pre-COVID-19)顯示巨大的季節性差異,從854年8月低到高2214年1月中旬;2019年3月最後一周看到1486人死於呼吸,從1月份的峰值下降33%。五年(2015年至2019年)平均死亡數量從同一來源隻有死亡涉及流感和肺炎顯示,3月最後一周下降28%相比,在一月份的第一周。假設這些死亡的數量的下降是很好的估計死亡率的變化,住院死亡率的差異COVID-19減半是更大的在2020年3月與2波的峰值相比。的一些波2峰很可能是由於季節性變化以外的其他因素,如改變醫院/電聯入學門檻(病情加重患者承認高峰期間,少生病的拒絕)和全科醫生(GP)轉診閾值。這種入學門檻的變化也可能影響的一些口服補液鹽表2在不可預知的方式。

    比較與先前的文獻不同醫院之間的差異

    我們前麵提到的,一些研究發現大部分裏死亡率的差異是由於不同的治療,但其他研究已經除了標識管理和供應差異可能導致死亡率的變化。真正ITU實踐報告差異2月1日和2020年7月31日國家臨床病例組合項目審計,涵蓋了英格蘭,威爾士和北愛爾蘭,比如入侵通風和腎髒替代治療。26這些變化可能是由於越來越嚴重的疾病的病人承認ITU和早期識別和診斷疾病的在波1。

    在法國國家研究看著醫院死亡率的聚合數據之間的關係和各種地方供應等因素ITU床,醫生和專家(每100人口000)。27他們發現重大關聯四個變量:prepandemic ITU能力更高,低密度的全科醫生,低分數的活動以營利為目的的私營部門(雖然效果非常小),人的比率比75年。

    Mateen等28得出的結論是,“在第一波大流行,所有床上的充足供應類型存在在國家層麵上。然而,由於床利用分配不均,許多(醫院)信托期間花了相當多的操作上麵的safe-occupancy閾值盡管地理上托管的信托實質性的能力”。我們發現一個積極COVID-19招生和死亡率之間的聯係,我們沒有看到如此強烈在我們先前的研究,波1分割成兩部分。11我們發現與MV床占用呈負相關,與另一個英語學習,這段時間89年4月和2020年12月1日之間電聯,它發現,多人乘坐期間死亡的幾率為23%(95%可信區間8%到39%)高於低居住時期,盡管作者指出其他研究沒有發現這樣一個協會。29日

    我們還沒有找到其他研究比較波1和2的管理員死亡率。我們的發現SMRs在每一波和溫和的相關性比預期的更大數量的漏鬥圖異常值點一些醫院係統的差異。這些可能包括由於case-mix-as殘餘混雜的overdispersion(預計變化超出了純粹的偶然)漏鬥的陰謀也不同於病人管理,一定程度上影響床和工作人員可用性和一定程度上是由於當地的實踐。

    優勢和局限性

    我們研究受益於國家公共醫療係統中的數據與一個微不足道的私營部門緊急護理。我們增強這個數據庫與幾個管理員發布的變量。局限性源於行政目的,從而缺乏生理信息如血壓、心率、呼吸率、血氧飽和度、肌酐和其他實驗室結果可用Churpek等研究中等。10我們比較我們主要分析住院不利於發表公共衛生英格蘭(社會學)的數據。30 31我們發現152%的COVID-19病例為2020年8月,9月為147%,10月為114%,102%,11月,12月為101%,90%,2021年1月,87%,2月為73%,在他3月入賬。有一個擴大的實驗室測試包括在板式換熱器數量從2020年7月中旬開始;檢定義日常COVID-19住院患者在英格蘭是那些“住院COVID-19陽性在入學前14天,和那些在醫院入院後呈陽性。我們主要分析還包括U072,臨床診斷實驗室確認,這就可以解釋為什麼我們幾個月他數量高。另一方麵,板式換熱器計算包括人住院治療前檢測呈陽性,然後承認一些non-COVID-19原因,這就可以解釋為什麼他們的數量比我們的高。我們找不到編碼改變關於使用icd - 10 U071和U072在研究期間。

    波1早些時候在我們的研究中,11我們認為是治療的選擇作為一種解釋死亡率差異醫院。一個元素是決定承認重症監護,進而影響床上的可用性。英國在歐洲人均ITU床率最低的國家之一,在某些情況下導致困難的決定和醫院之間的轉移在其他情況下。他缺乏這樣的決策和數據等治療時地塞米鬆於2020年推出,叫2021年的早期或未經授權的使用。

    對撞機的偏見會影響我們的一些觀察到的關聯。對撞機偏差發生,治療需要在不同波(我們發現一些差異),和病人特征需要與一些未被注意的特點,影響死亡的風險,波之間的不同。我們不能證明這一點,但我們不認為這可能會產生了很大影響。

    我們觀察到隻有適度COVID-19招生的數量和死亡率之間的關係。這掩蓋了不同的效果很難模型。隨著案件的上升,醫院會變得不知所措,但也能提高能力和學習的經驗,導致他們的死亡率下降(在其他條件相同的情況下);然而,我們並沒有觀察整個洛杉磯的變化。我們受限於可用數據的頻率在床上,員工人數來測試這個經驗。經驗的另一個效應是,在波1中,幾乎沒有共識的使用非侵入式通風,有員工擔心病毒傳播的風險通過氣溶膠的路線。波2、員工更舒適的使用,一定程度上是因為廣泛的疫苗接種的吸收。然而,實際出現在他的通風方法。

    結論

    盡管新療法,患者某些特征如年齡、男性性別和一些並發症仍在更高的死亡風險。疫苗接種推出從2020年12月的特點這些承認幾乎沒有什麼影響。盡管挑戰,死亡率的變化和洛杉磯醫院之間適度的和可能會被未被注意的病人占因素。進一步研究低異常值可能有助於識別成功的策略對其他醫院。這將是同樣重要的監控幸存者,其中一些人後來都“長COVID-19”,將需要進一步的住院。

    數據可用性聲明

    沒有數據是可用的。pseudonymised病人數據被用於這項研究可以通過聯係訪問NHS數字(見https://digital.nhs.uk/services/data-access-request-service-dars)。訪問這些數據的數據共享協議(DSA)包含詳細的條款和條件使用以下協議批準NHS數字。

    倫理語句

    病人同意出版

    倫理批準

    我們批準了國務卿和衛生研究機構醫療服務的監管下5(控製患者信息)條例2002持有機密數據和分析為研究目的(CAG ref 15 / CAG / 0005)。我們已經批準用於研究和測量醫療的交付質量,從倫敦東南部倫理委員會(REC ref 20 / LO / 0611)。需要患者同意放棄在部分251年NHS的法案。

    引用

    1. ↵
      1. 克利夫特正義與發展黨,
      2. 科普蘭CAC,
      3. 基奧計劃RH,等
      。生活風險預測算法(QCOVID)住院的風險和死亡率在成人冠狀病毒19:國家推導和驗證隊列研究。BMJ2020年;371年:m3731。doi: 10.1136 / bmj.m3731pmid:http://www.ncbi.nlm.nih.gov/pubmed/33082154
      OpenUrl 文摘/免費的全文
    2. ↵
      健康的基礎。不平等的大流行,更公平的經濟複蘇。COVID-19影響調查報告。可用:https://www.health.org.uk/publications/reports/unequal-pandemic-fairer-recovery?utm_source=ecomms&utm_medium=email&utm_campaign=covid2021&dm_i=4Y2, 7 fy79 PK7A58 U8SMT 1(訪問2021年10月8日]。
    3. ↵
      1. Gesesew哈,
      2. KoyeDN,
      3. FeteneDM,等
      。COVID-19感染的危險因素、疾病嚴重程度和相關死亡病例在非洲:係統回顧。beplay体育官方手机版2021年;11:e044618。doi: 10.1136 / bmjopen - 2020 - 044618pmid:http://www.ncbi.nlm.nih.gov/pubmed/33602714
      OpenUrl 文摘/免費的全文
    4. ↵
      1. SorciG,
      2. 費佛副檢察官B,
      3. 麵前退卻年代
      。解釋鄉村變化COVID-19病死率。Sci代表2020年;10:18909年。doi: 10.1038 / s41598 - 020 - 75848 - 2pmid:http://www.ncbi.nlm.nih.gov/pubmed/33144595
      OpenUrl CrossRef PubMed
    5. ↵
      1. 古普塔年代,
      2. 哈耶克黨衛軍,
      3. 王W,等
      。與死亡相關的因素在危重患者冠狀病毒病在美國2019年。JAMA實習生地中海2020年;180年:1436年。doi: 10.1001 / jamainternmed.2020.3596pmid:http://www.ncbi.nlm.nih.gov/pubmed/32667668
      OpenUrl PubMed
    6. ↵
      1. 阿希達,
      2. Sheils不,
      3. 伊斯蘭教錳,等
      。我們醫院死亡率的變化患者承認COVID-19在前6個月的大流行。JAMA實習生地中海2021年;181年:471年- - - - - -8。doi: 10.1001 / jamainternmed.2020.8193pmid:http://www.ncbi.nlm.nih.gov/pubmed/33351068
      OpenUrl PubMed
    7. ↵
      1. 塊提單,
      2. 馬丁TM,
      3. BoscardinWJ,等
      。COVID-19死亡率的變化在117年美國醫院的高收入和低負擔的設置。J Hosp地中海2021年;16:215年- - - - - -8。doi: 10.12788 / jhm.3612pmid:http://www.ncbi.nlm.nih.gov/pubmed/33734977
      OpenUrl CrossRef PubMed
    8. ↵
      1. KaragiannidisC,
      2. 便宜C,
      3. HentschkerC,等
      。案件特點、資源使用,結果10 021 COVID-19承認920年德國醫院患者:一項觀察性研究。柳葉刀和地中海2020年;8:853年- - - - - -62年。doi: 10.1016 / s2213 - 2600 (20) 30316 - 7pmid:http://www.ncbi.nlm.nih.gov/pubmed/32735842
      OpenUrl PubMed
    9. ↵
      1. BravataDM,
      2. 邁爾斯LJ,
      3. 珀金斯AJ,等
      。異質性COVID-19病人數量、特點和成果在美國退伍軍人事務部設施:一項觀察性隊列研究。beplay体育官方手机版2021年;11:e044646。doi: 10.1136 / bmjopen - 2020 - 044646pmid:http://www.ncbi.nlm.nih.gov/pubmed/34006034
      OpenUrl 文摘/免費的全文
    10. ↵
      1. Churpek毫米,
      2. 古普塔年代,
      3. SpicerAB,等
      。管理員COVID-19危重患者死亡的變化。J和護理2021年;204年doi: 10.1164 / rccm.202012 - 4547攝氏度。[Epub提前打印:08年2021]。pmid:33891529
    11. ↵
      1. 瓶一個,
      2. FaitnaP,
      3. Aylin頁
      。患者的立場和管理員和相關時間趨勢變化COVID-19致死率在英格蘭的大流行第一波:常規數據的多級建模分析。BMJ戰Saf2022年;31日:211年- - - - - -20.。doi: 10.1136 / bmjqs - 2021 - 012990pmid:http://www.ncbi.nlm.nih.gov/pubmed/34234008
      OpenUrl 文摘/免費的全文
    12. ↵
      1. 灰色的周,
      2. NavaratnamAV,
      3. 一天J,等
      。變化COVID-19住院死亡率之間的英國國民健康服務信托和地區:全國首次把它正確的觀察研究計劃。EClinicalMedicine2021年;35:100859年。doi: 10.1016 / j.eclinm.2021.100859pmid:http://www.ncbi.nlm.nih.gov/pubmed/33937732
      OpenUrl PubMed
    13. ↵
      1. Kadri黨衛軍,
      2. GundrumJ,
      3. 華納年代,等
      。的吸收和準確性為我們當中COVID-19住院診斷代碼。《美國醫學會雜誌》2020年;324年:2553年- - - - - -4。doi: 10.1001 / jama.2020.20323pmid:http://www.ncbi.nlm.nih.gov/pubmed/33351033
      OpenUrl CrossRef PubMed
    14. ↵
      1. McGurnaghanSJ,
      2. 堰一個,
      3. 主教J,等
      。COVID-19疾病的風險和風險因素在糖尿病患者:蘇格蘭的總人口的隊列研究。柳葉刀糖尿病性骨質2021年;9:82年- - - - - -93年。doi: 10.1016 / s2213 - 8587 (20) 30405 - 8pmid:http://www.ncbi.nlm.nih.gov/pubmed/33357491
      OpenUrl PubMed
    15. ↵
      1. 英國國民健康保險製度
      。COVID-19醫院活動:COVID-19日常情況報告,2021年。可用:https://www.england.nhs.uk/statistics/statistical-work-areas/covid-19-hospital-activity/(訪問2021年5月20]。
    16. ↵
      1. 瓶一個,
      2. AylinP
      。合並症成績管理數據從適應當地編碼和診斷實踐中受益。中國論文2011年;64年:1426年- - - - - -33。doi: 10.1016 / j.jclinepi.2011.04.004pmid:http://www.ncbi.nlm.nih.gov/pubmed/21764557
      OpenUrl CrossRef PubMed
    17. ↵
      1. 科恩我,
      2. KoCY,
      3. Bilimoria肯塔基州,等
      。優化ACS NSQIP建模手術質量和風險評估:患者風險調整,程序組合調整,收縮調整,和手術的焦點。J是科爾雜誌2013年;217年:336年- - - - - -46。doi: 10.1016 / j.jamcollsurg.2013.02.027pmid:http://www.ncbi.nlm.nih.gov/pubmed/23628227
      OpenUrl CrossRef PubMed
    18. ↵
      1. Snijders選項卡,
      2. 叢林RJ
      。多層次分析:介紹基本的和先進的多級模型。千橡市。CA:聖人,1999年。
    19. ↵
      1. 灰色的周,
      2. NavaratnamAV,
      3. 一天J,等
      。改變COVID-19住院死亡率住院成人在英格蘭的前七個月大流行:一項觀察性研究使用管理數據。柳葉刀Reg健康歐元2021年;5:100104年。doi: 10.1016 / j.lanepe.2021.100104pmid:http://www.ncbi.nlm.nih.gov/pubmed/33969337
      OpenUrl PubMed
    20. ↵
      1. 灰色的周,
      2. NavaratnamAV,
      3. 一天J,等
      。改變COVID-19住院死亡率住院成人在英格蘭的前七個月大流行:一項觀察性研究使用管理數據。《柳葉刀》區域衛生——歐洲2021年;5:100104年。doi: 10.1016 / j.lanepe.2021.100104
      OpenUrl
    21. ↵
      1. StralinK,
      2. 瓦爾斯特倫E,
      3. 沃爾特年代,等
      。在瑞典COVID-19住院患者死亡率趨勢:全國範圍內觀察性隊列研究。柳葉刀Reg健康歐元2021年;4:100054年。doi: 10.1016 / j.lanepe.2021.100054pmid:http://www.ncbi.nlm.nih.gov/pubmed/33997829
      OpenUrl PubMed
    22. ↵
      1. Coccia米
      。第一和第二波的影響社會:COVID-19流行的比較分析來支持控製措施以應對未來傳染病的負麵影響。環境物2021年;197年:111099年。doi: 10.1016 / j.envres.2021.111099pmid:http://www.ncbi.nlm.nih.gov/pubmed/33819476
      OpenUrl PubMed
    23. ↵
      1. JassatW,
      2. MudaraC,
      3. Ozougwul,等
      。死亡率的差異個人住院期間與COVID-19南非第一和第二波:隊列研究。柳葉刀水珠健康2021年;9:e1216- - - - - -25。doi: 10.1016 / s2214 - 109 x (21) 00289 - 8pmid:http://www.ncbi.nlm.nih.gov/pubmed/34252381
      OpenUrl PubMed
    24. ↵
      1. 巴斯托斯LS,
      2. Ranzani不,
      3. SouzaTML,等
      。COVID-19住院:巴西的第一和第二波相比。柳葉刀和地中海2021年;9:e82- - - - - -3。doi: 10.1016 / s2213 - 2600 (21) 00287 - 3pmid:http://www.ncbi.nlm.nih.gov/pubmed/34273268
      OpenUrl PubMed
    25. ↵
      1. 國家統計局
      。死亡登記每周在英格蘭和威爾士,臨時,2019年版。可用:https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/deaths/datasets/weeklyprovisionalfiguresondeathsregisteredinenglandandwales(訪問2022年4月7日]。
    26. ↵
      1. DoidgeJC,
      2. 古爾德DW,
      3. Ferrando-VivasP,等
      。趨勢在重症監護患者COVID-19在英格蘭,威爾士和北愛爾蘭。J和護理2021年;203年:565年- - - - - -74年。doi: 10.1164 / rccm.202008 - 3212攝氏度pmid:http://www.ncbi.nlm.nih.gov/pubmed/33306946
      OpenUrl CrossRef PubMed
    27. ↵
      1. 聖母j d,
      2. Faron米,
      3. 勒費弗JH
      。影響當地的保健環境和社會特征聚合從法國COVID-19醫院死亡率:一個全國性的觀察研究。公共衛生2020年;189年:104年- - - - - -9。doi: 10.1016 / j.puhe.2020.09.015pmid:http://www.ncbi.nlm.nih.gov/pubmed/33197731
      OpenUrl PubMed
    28. ↵
      1. Mateen英航,
      2. 王爾德H,
      3. 丹尼斯JM,等
      。病床上的能力和使用在二級醫療服務提供者在英格蘭的第一波COVID-19流行:一個描述性的分析。beplay体育官方手机版2021年;11:e042945。doi: 10.1136 / bmjopen - 2020 - 042945pmid:http://www.ncbi.nlm.nih.gov/pubmed/33500288
      OpenUrl 文摘/免費的全文
    29. ↵
      1. 王爾德H,
      2. 梅蘭T,
      3. Hawryluk我,等
      。機械通風兼容床入住率和死亡率之間的關係風險重症監護患者COVID-19:國家回顧性隊列研究。BMC醫學2021年;19:213年。doi: 10.1186 / s12916 - 021 - 02096 - 0pmid:http://www.ncbi.nlm.nih.gov/pubmed/34461893
      OpenUrl PubMed
    30. ↵
      1. 公共衛生英國,英國政府
      。冠狀病毒(COVID-19)在英國:英格蘭死亡,2021年。可用:https://coronavirus.data.gov.uk/deaths?areaType=nation&areaName=England(訪問2021年10月10日]。
    31. ↵
      1. 公共衛生英國,英國政府
      。冠狀病毒(COVID-19)在英國:英格蘭醫療,2021年。可用:https://coronavirus.data.gov.uk/healthcare?areaType=nation&areaName=England(訪問2021年10月10日]。

    補充材料

    • 補充數據

      僅這個web文件已經由英國醫學雜誌出版集團從一個電子文件提供的作者(年代)和沒有對內容進行編輯。

    腳注

    • 推特@DrAlexBottle

    • 貢獻者AB和PA構思研究和獲得資金。PF分析數據,由AB也驗證了數據。AB和PF回顧了文學。AB起草了AB女士,PF,某人和PA的手稿編輯內容。AB是擔保人。

    • 資金這項研究由NIHR帝國生物醫學研究中心(BRC)。博士培養單位是一個學術單位在初級保健和公共衛生、公共衛生學院,倫敦帝國理工學院。單位已收到博士培養情報研究經費,一個獨立的衛生服務研究組織(澳洲電信的全資子公司)。博士培養單位帝國隸屬於國家衛生研究所(NIHR)帝國患者安全轉化研究中心。NIHR帝國患者安全轉化中心之間的合作醫療NHS信托帝國理工學院和倫敦帝國學院的。初級保健和公共衛生部門倫敦帝國學院感謝西北倫敦NIHR應用研究的支持合作。

    • 免責聲明中表達的觀點不一定是作者和出版的NIHR或衛生部和社會關懷。

    • 相互競爭的利益所有作者已經完成了國際統一的信息披露形式在www.icmje.org/coi_disclosure.pdf和聲明:AB, PF和PA財政支持福斯特博士®的提交工作;沒有金融關係可能有興趣的任何組織提交的工作前三年;似乎沒有其他關係或活動可能影響提交的工作。

    • 病人和公眾參與病人和/或公眾沒有參與設計,或行為,或報告,或傳播本研究計劃。

    • 出處和同行評議不是委托;外部同行評議。

    • 補充材料此內容已由作者(年代)。尚未審查由BMJ出版集團有限公司(BMJ)和可能沒有被同行評議。任何意見或建議討論僅代表作者(年代)和不了BMJ的支持。和責任起源於BMJ概不負責任何依賴的內容。內容包括任何翻譯材料,BMJ並不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南,術語,藥物名稱和藥物劑量),和不負責任何錯誤或遺漏引起的翻譯和改編或否則。