Arrière-plan

Les données sur les patients africains atteints de COVID-19 qui sont gravement malades sont insuffisantes. L'étude africaine sur les résultats des soins intensifs du COVID-19 (ACCCOS) visait à déterminer quelles ressources, comorbidités et interventions de soins intensifs sont associées à la mortalité dans cette population de patients.

Méthodes

L'étude ACCCOS était une étude de cohorte observationnelle multicentrique, prospective, menée auprès d'adultes (âgés de 18 ans ou plus) avec une infection à COVID-19 suspectée ou confirmée et qui ont été référés vers des unités de soins intensifs ou de soins intensifs dans 64 hôpitaux de dix pays africains (c.-à-d. Égypte, Éthiopie, Ghana, Kenya, Libye, Malawi, Mozambique, Niger, Nigéria et Afrique du Sud). Le critère de jugement principal était la mortalité hospitalière censurée à 30 jours. Nous avons étudié les facteurs (c.-à-d. Les ressources humaines et en établissement, les comorbidités des patients et les interventions en soins intensifs) associés à la mortalité chez ces patients adultes. Cette étude est enregistrée sur ClinicalTrials.gov, NCT04367207.

Résultats

De mai à décembre 2020, 6779 patients ont été référés aux soins intensifs. Parmi ceux-ci, 3752 (55 · 3%) patients ont été admis et 3140 (83 · 7%) patients de 64 hôpitaux dans dix pays ont participé (âge moyen 55 · 6 ans; 1890 [60·6%] sur 3118 participants étaient des hommes). Les hôpitaux avaient une médiane de deux intensivistes (IQR 1–4) et l'oxymétrie de pouls était disponible pour tous les patients dans 49 (86%) des 57 sites. La mortalité à l'hôpital dans les 30 jours suivant l'admission était de 48 · 2% (IC à 95% 46 · 4–50 · 0; 1 483 patients sur 3077). Les facteurs qui étaient indépendamment associés à la mortalité augmentaient l'âge par an (rapport de cotes 1 · 03; 1 · 02–1 · 04); VIH / sida (1 · 91; 1 · 31–2 · 79); diabète (1 · 25; 1 · 01–1 · 56); maladie hépatique chronique (3 · 48; 1 · 48–8 · 18); maladie rénale chronique (1 · 89; 1 · 28–2 · 78); retard d'admission en raison d'un manque de ressources (2 · 14; 1 · 42–3 · 22); score d'évaluation séquentielle rapide des défaillances organiques à l'admission (pour un facteur [1·44; 1·01–2·04], pour deux facteurs [2·0; 1·33–2·99], et pour trois facteurs [3·66, 2·12–6·33]); assistance respiratoire (oxygénation à haut débit [2·72; 1·46–5·08]; pression positive continue des voies respiratoires [3·93; 2·13–7·26]; ventilation mécanique invasive [15·27; 8·51–27·37]); arrêt cardiorespiratoire dans les 24 h suivant l'admission (4 · 43; 2 · 25–8 · 73); et les besoins en vasopresseurs (3 · 67; 2 · 77–4 · 86). La corticothérapie était associée à la survie (0 · 55; 0 · 37–0 · 81). Il n'y avait aucune différence de résultat associée au sexe féminin (0 · 86; 0 · 69–1 · 06).

Interprétation

La mortalité chez les patients gravement malades atteints de COVID-19 est plus élevée dans les pays africains que celle rapportée dans les études menées en Asie, en Europe, en Amérique du Nord et en Amérique du Sud. L'augmentation de la mortalité était associée à l'insuffisance des ressources en soins intensifs, ainsi qu'aux comorbidités du VIH / sida, du diabète, des maladies chroniques du foie et des reins, et à la gravité du dysfonctionnement des organes à l'admission.

Financement

L'ACCCOS a été partiellement financé par une subvention de la Critical Care Society of Southern Africa.

introduction

Le SRAS-CoV-2 a submergé les systèmes de soins de santé en provoquant des taux élevés de maladies graves. Le taux de létalité mondial du COVID-19 est d'environ 3%, 1 The Johns Hopkins University School of MedicineCoronavirus resource center.

avec des personnes âgées (par exemple, les personnes de plus de 62 ans) qui ont des comorbidités connues pour être plus sensibles que les personnes plus jeunes.2 Évolution clinique et facteurs de risque de mortalité des patients adultes hospitalisés atteints de COVID-19 à Wuhan, Chine : une étude de cohorte rétrospective.

De plus, il y a un problème de mortalité supplémentaire avec des vagues ultérieures dans les régions du monde.Notre hypothèse était que les patients gravement malades avec COVID-19 pourraient avoir des résultats de santé plus mauvais en Afrique que sur d'autres continents parce que la capacité de fournir des soins suffisants est compromise par un petit effectifs, 3

  • Biccard BM
  • Madiba TE
  • Kluyts HL
  • et coll

Résultats périopératoires pour les patients dans l'étude sur les résultats chirurgicaux en Afrique : une étude de cohorte observationnelle prospective de 7 jours.

le faible nombre d'établissements de soins intensifs et la rareté des ressources en soins intensifs4.

  • Ayebale AET
  • Kassebaum NJ
  • Roche AM
  • Biccard BM

Capacité de soins intensifs de l'Afrique avant le COVID-19.

Nous avons également émis l'hypothèse que les admissions non planifiées auraient un impact négatif supplémentaire sur les résultats des soins intensifs en Afrique5

  • Skinner DL
  • De Vasconcellos K
  • Wise R
  • et coll

Admission en soins intensifs de patients chirurgicaux sud-africains (SA) : résultats de l'étude SA Surgical Outcomes Study.

car la capacité des systèmes de soins de santé à répondre pour faire face à la charge de travail clinique est limitée. Enfin, les résultats des patients après des soins intensifs pour le COVID-19 n'étaient pas suffisamment documentés dans cet environnement sous-financé, 6

  • Armstrong RA
  • Kane AD
  • Cook TM

Résultats des soins intensifs chez les patients atteints de COVID-19 : une revue systématique et une méta-analyse d'études observationnelles.

malgré un appel à des mesures de prévention et d'intervention dans les pays à faible revenu et à revenu intermédiaire.7

  • Gupta M
  • Wahl B
  • Adhikari B
  • et coll

La nécessité de la recherche sur le COVID-19 dans les pays à revenu faible et intermédiaire.

Comme il y avait peu de données pour la prise en charge des patients gravement malades atteints de COVID-19,8

  • Taylor EH
  • Hofmeyr R
  • Torborg A
  • et coll

Facteurs de risque et interventions associés à la mortalité ou à la survie chez les patients adultes atteints de COVID-19 admis en soins intensifs: revue systématique et méta-analyse.

nous avons conçu l'étude africaine sur les résultats des soins intensifs COVID-19 (ACCCOS) pour déterminer quelles ressources, quelles comorbidités des patients et quelles interventions de soins intensifs étaient associés à la mortalité ou à la survie de ces patients. Une large diffusion de ces résultats pourrait aider à définir la hiérarchisation des ressources nécessaires à la prise en charge des patients gravement atteints du COVID-19 en Afrique. Cet objectif reste pertinent en tant que méta-analyse récente6

  • Armstrong RA
  • Kane AD
  • Cook TM

Résultats des soins intensifs chez les patients atteints de COVID-19 : une revue systématique et une méta-analyse d'études observationnelles.

n'a rapporté aucune donnée sur les résultats des soins intensifs en Afrique, ni aucune donnée sur la gestion des patients dans des contextes à ressources limitées.

Recherche en contextePreuve avant cette étude

Nous avons effectué des recherches dans MEDLINE, Embase, la Cochrane Library, Africa-Wide Information et SciELO Citation Index entre le 1er janvier et le 23 septembre 2020 (ainsi qu'une recherche mise à jour du 23 septembre au 6 décembre 2020) en utilisant les termes de recherche "(Betacoronavirus OU Betacoronavirus) "," (Virus Corona OU Virus Corona OU Coronavirus OU Coronavirus) "," (COVID OU COVID19 OU COVID-19) "," (CoV OU CoV2 OU HCoV-19 OU nCoV OU 2019nCoV) "," (Grave Syndrome respiratoire aigu CoV OU syndrome respiratoire aigu sévère coronavirus 2 OU SRAS CoV 2 OU SRAS-CoV-2 OU SARSCoV OU SRAS-CoV OU SRAS2) "," (Unité de soins intensifs OU de soins intensifs * OU USI *) "," (UIT * ou traitement intensif * OU unité de traitement intensif *) "," soins intensifs "," critique * malade * "," 1 ou 2 ou 3 ou 4 ou 5 "," 6 ou 7 ou 8 ou 9 "," 10 et 11 "," Limite de 12 à an = "2020". Les études qui incluaient des patients atteints de COVID-19 qui n'étaient pas en soins intensifs et des cohortes de soins intensifs restreintes à un sous-groupe de patients spécifique ont été exclues. Les études publiées dans toutes les langues ont été prises en compte dans notre recherche. Il existe peu de données pour guider la prise en charge des patients gravement malades atteints de COVID-19 dans des environnements sous-financés. Des revues systématiques publiées antérieurement ont confirmé qu'il n'y avait pas de données publiées sur les résultats en Afrique, et peu de données sur les facteurs associés à la mortalité ou à la survie dans les environnements sous-financés.

Valeur ajoutée de cette étude

La mortalité après l'admission aux soins intensifs pour les patients avec une infection suspectée au COVID-19 et une infection confirmée au COVID-19 dans cette cohorte africaine était de 48 · 2% (IC à 95% 46 · 4–50 · 0). La méta-analyse fait état d'une mortalité globale de 31,5% (27,5–35,5%), les données africaines faisant état d'une surmortalité de 11 (dans le meilleur des cas) à 23 (dans le pire des cas) décès pour 100 patients par rapport à la moyenne mondiale. La surmortalité pourrait s'expliquer par le manque de ressources en soins intensifs. Dans notre étude, seul un patient sur deux orienté vers des soins intensifs a été admis. Les patients ont été admis dans des unités avec un accès limité à la dialyse, à la pronation, à l'oxygénation extracorporelle de la membrane (ECMO), aux gaz du sang artériel et à l'oxymétrie de pouls. En outre, au niveau des patients, l'accès aux interventions (par exemple, dialyse, pronation et ECMO) a été estimé entre sept fois et 14 fois inférieur à ce qui est nécessaire pour gérer les patients gravement malades atteints de COVID-19. Des analyses ajustées suggèrent que la mortalité en soins intensifs est associée à une augmentation de l'âge, aux comorbidités des patients du VIH / sida, du diabète, des maladies chroniques du foie et des reins, à la gravité du dysfonctionnement des organes lors de la présentation aux soins intensifs et au besoin initial d'augmenter les voies respiratoires et les maladies rénales. soutien cardiovasculaire. Le score d'évaluation séquentielle rapide des défaillances d'organes à l'admission était associé à la mortalité des patients et pourrait être un outil de stratification des risques simple et réalisable à utiliser dans des environnements sous-financés.

Implications de toutes les preuves disponibles

Dans notre étude, la mortalité était fortement associée au dysfonctionnement des organes et au niveau de soutien des organes nécessaire à l'admission critique. L'utilisation du score SOFA rapide pourrait fournir des conseils pour la prise de décision de triage appropriée au moment de l'orientation vers les soins intensifs dans un environnement sous-financé lors de la prise en charge de patients gravement malades atteints de COVID-19. Des stratégies sont nécessaires pour atténuer le risque chez les patients atteints de COVID-19 en Afrique avec le VIH / sida, le diabète, une maladie hépatique chronique et une maladie rénale coexistants. Il est probable que les résultats pour les patients continueront d'être gravement compromis jusqu'à ce que les problèmes entourant la rareté des ressources de soins intensifs soient résolus.

Nous visions à déterminer quelles ressources de soins intensifs, les comorbidités des patients et les interventions hospitalières étaient associées à la mortalité à l'hôpital chez les patients avec COVID-19 suspecté ou confirmé qui ont été référés aux soins intensifs dans dix pays africains.

Méthodes

Conception de l'étude et participants

L'étude ACCCOS était une étude de cohorte observationnelle multicentrique, prospective, chez des adultes (âgés de 18 ans ou plus) qui ont été référés vers des unités de soins intensifs ou de soins intensifs avec un COVID-19 suspecté ou confirmé dans dix pays africains (c.-à-d. Égypte, Éthiopie, Ghana, Kenya, Libye, Malawi, Mozambique, Niger, Nigéria et Afrique du Sud). L'étude était ouverte à tous les pays africains, et ces dix pays remplissaient les exigences éthiques et réglementaires pour participer. Une unité de soins intensifs a été définie comme une zone réservée aux patients offrant un niveau de soins compris entre celui dispensé dans une unité de soins intensifs et un service général, mais qui ne fournit généralement pas de ventilation invasive. Les patients éligibles comprenaient tous les patients admis dans une unité de soins intensifs ou de soins intensifs avec un COVID-19 suspecté ou confirmé. Le suivi des patients était jusqu'à la sortie de l'hôpital, censuré à 30 jours si le patient était à l'hôpital. L'étude a été recrutée du 7 mai au 18 décembre 2020. L'approbation éthique principale provenait du Comité d'éthique de la recherche humaine de l'Université de Cape Town (Cape Town, Afrique du Sud).

Tous les patients ont reçu des soins standard pour les patients avec un COVID-19 suspecté ou confirmé et qui nécessitaient une hospitalisation en soins intensifs. Nous avons prévu de recruter le plus de sites possible en Afrique. Les sites ont été invités à inclure tous les patients éligibles et à recruter le plus longtemps possible, étant entendu qu'ils pourraient arrêter de recruter à tout moment s'ils étaient dépassés par les engagements cliniques. Chaque site devait remplir un journal de dépistage des patients éligibles.

Le comité d'éthique principal a approuvé un soi-disant processus de consentement différé, car la plupart des patients ne seraient pas en mesure de donner leur consentement au moment de l'admission aux soins intensifs. Le processus de consentement retardé garantissait le consentement du patient (après stabilisation ou rétablissement), d'un représentant légal ou d'un mandataire (dans les cas où le patient était incapable de donner son consentement). S'il n'y avait aucune possibilité d'obtenir un consentement différé avant que le résultat de l'étude ne soit atteint, le comité d'éthique a approuvé l'inclusion des données du patient dans l'étude. La justification de ce processus était de minimiser le risque d'un enrôlement de patients non consécutif, ce qui se traduirait par un échantillon biaisé. Certains comités d'éthique ont renoncé à leur consentement. Tous les sites répondaient aux exigences éthiques et réglementaires locales. Le protocole et le plan d'analyse statistique sont publiés sur ClinicalTrials.gov, NCT04367207.

Procédures

Les données spécifiques à l'hôpital ont été recueillies par l'investigateur principal de l'hôpital avant l'inscription à l'étude et comprenaient: (1) le niveau de soins, (2) le nombre de lits d'hôpital et de soins intensifs, (3) le statut de remboursement et (4) d'autres facteurs affectant le patient soins (p. ex. ratio infirmière-patient). Le formulaire de dossier de cas et le document de définitions se trouvent en annexe (pp 13–16).Pour garantir un échantillon représentatif, nous avons prévu d'inclure autant de sites que possible avec l'exigence d'inclure tous les patients consécutifs en utilisant la procédure de consentement différé.

Résultats

Le principal résultat de notre étude était la mortalité à l'hôpital dans les 30 jours suivant l'admission. Le résultat secondaire était de déterminer les facteurs (c.-à-d. Les ressources humaines et de l'établissement, les comorbidités des patients et les interventions de soins intensifs) qui étaient associés à la mortalité chez les patients adultes avec un COVID-19 suspecté ou confirmé.

analyses statistiques

Avec 25 à 30 variables potentiellement associées à la mortalité chez les patients gravement malades atteints de COVID-19 (annexe pp 17-18), la taille minimale de l'échantillon nécessitait environ 250 à 300 décès pour éviter de violer le principe d'environ dix événements de résultat (c.-à-d. Décès) par variable dans la régression.9

  • Peduzzi P
  • Concato J
  • Kemper E
  • Holford TR
  • Feinstein AR

Une étude de simulation du nombre d'événements par variable dans l'analyse de régression logistique.

Une pré-impression d'analyse intermédiaire10

  • Biccard BM
  • Miller MG
  • Michell WL
  • et coll

Une évaluation multicentrique africaine des soins aux patients et des résultats cliniques des patients infectés par le COVID-19 admis dans des unités de soins intensifs ou de soins intensifs.

a été publié en octobre 2020, une fois que la taille de l'échantillon a été atteinte. La base de données a été verrouillée le 18 décembre 2020, avec 1483 décès dans la cohorte. Un plan d'analyse statistique a été publié sur ClinicalTrials.gov avant l'évaluation des données pour l'analyse intermédiaire (annexe pp 17-18). Les données ont été présentées à un niveau panafricain. Les variables catégorielles ont été décrites comme des proportions et ont été comparées à l'aide de tests χ2. Les variables continues ont été décrites comme moyenne (ET) ou médiane (IQR). Les comparaisons des variables continues entre les groupes ont été effectuées à l'aide de tests t, d'une ANOVA à un facteur ou de tests non paramétriques équivalents. Le modèle principal incluait des patients avec des données complètes sur les résultats (c'est-à-dire que le modèle principal excluait les patients qui étaient toujours à l'hôpital et recevaient un traitement et qui n'avaient pas atteint la définition de résultat de décès, de sortie ou vivant à l'hôpital à 30 jours). Un modèle mixte linéaire généralisé à trois niveaux (GLMM) a été ajusté en utilisant un lien logit pour identifier les facteurs de risque indépendants pour le critère de jugement principal de la mortalité (les patients étant au premier niveau, les hôpitaux au deuxième niveau et les pays au troisième niveau) pour tenir compte de la corrélation attendue des résultats dans les hôpitaux et les pays. Une méthode de spécification entièrement conditionnelle a été utilisée pour imputer les valeurs manquantes pour les variables en utilisant une méthode itérative de Monte Carlo en chaîne de Markov. Nous avons utilisé une méthode d'appariement de la moyenne prédictive pour les variables d'échelle. Cinq ensembles de données imputés ont été construits. Tous les facteurs de risque ont été pris en compte pour entrer dans le modèle à condition qu'il n'y ait aucune preuve de colinéarité. Les variables comprenaient des variables de sujet, des variables de ressources et des variables de thérapie. Les variables du sujet comprenaient l'âge, le sexe, l'indice de masse corporelle, la coronaropathie, l'insuffisance cardiaque congestive, l'hypertension, un accident vasculaire cérébral ou un accident ischémique transitoire, le diabète sucré, le cancer, le fait que le patient fût ou non actuellement un fumeur, une maladie pulmonaire chronique, une tuberculose active, un foie chronique maladie, VIH / SIDA, paludisme chronique ou antérieur, maladie rénale chronique, arrêt cardiorespiratoire dans les 24 h précédant la référence aux soins intensifs, score SOFA (Quick Sequential Organ Failure Assessment), 11

  • Seymour CW
  • Liu VX
  • Iwashyna TJ
  • et coll

Évaluation des critères cliniques de la septicémie : pour la troisième définition consensuelle internationale de la septicémie et du choc septique (Sepsis-3).

et SOFA complet12

  • Vincent JL
  • Moreno R
  • Takala J
  • et coll

Le score SOFA (Sepsis-related Organ Failure Assessment) pour décrire le dysfonctionnement / l'échec des organes. Au nom du groupe de travail sur les problèmes liés à la septicémie de la Société européenne de médecine de soins intensifs.

note lors de la recommandation ou de l'admission. Les variables relatives aux ressources comprenaient l'admission retardée en raison du manque de ressources (p. Ex. Lits et personnel), le ratio infirmière-patient dans les soins intensifs, la capacité de fournir une ventilation invasive et la disponibilité des médecins sur place 24 h par jour, 7 jours par semaine. Les variables thérapeutiques comprenaient le soutien des organes à l'admission, l'assistance respiratoire, la pronation, l'assistance ventilatoire, l'intubation, les inotropes ou vasoconstricteurs, la dialyse, l'anticoagulation thérapeutique, la corticothérapie, la pharmacothérapie COVID-19 réutilisée ou expérimentale et l'oxygénation extracorporelle par membrane (ECMO). La colinéarité a été évaluée à l'aide du facteur d'inflation de la variance. La colinéarité était associée à l'intubation, aux interventions respiratoires et ventilatoires, au nombre d'organes nécessitant un soutien et à l'anticoagulation. Par conséquent, nous avons créé une seule variable catégorielle pour l'assistance respiratoire (c.-à-d. Aucune, oxygène, oxygène nasal à haut débit, pression positive continue des voies respiratoires et ventilation mécanique invasive) et supprimé les variables de dialyse et d'ECMO, qui avaient une colinéarité avec l'anticoagulation. Le facteur d'inflation de la variance subséquente a montré une colinéarité entre la variable sujet "paludisme chronique ou paludisme dans les 3 mois" et la variable thérapeutique "traitement médicamenteux COVID-19 réutilisé ou expérimental". Nous avons supprimé le "traitement médicamenteux COVID-19 réutilisé ou expérimental" car cette variable thérapeutique était une variable hétérogène par rapport au "paludisme chronique ou paludisme dans les 3 mois". Aucune autre colinéarité n'a été identifiée. Une régression logistique à effets mixtes à interception aléatoire à trois niveaux a été effectuée sur chacun des cinq ensembles de données imputés à l'aide de la fonction glmer du package lme413

  • Bates D
  • Maechler M
  • Bolker B
  • Walker SA

Ajustement de modèles d'effets mixtes linéaires à l'aide de lme4.

dans R. Les estimations ont été combinées à partir des cinq analyses de données complètes répétées en utilisant la fonction pool du paquet souris.15

  • van Buuren S
  • Groothuis-Oudshoorn K

souris: imputation multivariée par équations chaînées dans R.

La fonction de pool met en œuvre les règles pour combiner les estimations et les ES distinctes de chacun des ensembles de données imputés afin de fournir une estimation globale avec les ES, les IC et les valeurs p.16 Imputation multiple pour la non-réponse dans les enquêtes.

Une valeur p inférieure à 0,05 était considérée comme significative. Pour permettre une comparaison avec les ensembles de données imputés, l'analyse de cas complète a également été présentée.Les résultats du GLMM sont présentés sous forme de rapports de cotes ajustés avec des IC à 95%. Les analyses de sensibilité définies a priori étaient: (1) patients positifs pour le SRAS-CoV-2 uniquement, (2) patients confirmés pour le SRAS-CoV-2 à l'exclusion des thérapie, telle que la ventilation, l'adrénaline et la dialyse, au traitement actuel du patient en raison du mauvais pronostic attendu), et (3) uniquement les patients décédés ou qui sont sortis vivants (à l'exclusion des patients hospitalisés). Une analyse de sensibilité post-hoc demandée par les examinateurs a exclu "l'arrêt cardiorespiratoire dans les 24 h suivant l'admission" comme variable potentielle. Toutes les analyses ont été effectuées par AH et BMB.

Une décision a été prise a posteriori pour mettre à jour les méta-analyses en soins intensifs de la mortalité par COVID-19 par région, 6

  • Armstrong RA
  • Kane AD
  • Cook TM

Résultats des soins intensifs chez les patients atteints de COVID-19 : une revue systématique et une méta-analyse d'études observationnelles.

8

  • Taylor EH
  • Hofmeyr R
  • Torborg A
  • et coll

Facteurs de risque et interventions associés à la mortalité ou à la survie chez les patients adultes atteints de COVID-19 admis en soins intensifs: revue systématique et méta-analyse.

fait par EHT, KDMM, MElh et JS. Nous avons présenté le taux de létalité des infections au COVID-19 par région et réalisé une méta-analyse de l'âge moyen et du score SOFA par région. Le taux de létalité régional, la méta-analyse des résultats des soins intensifs et la méta-analyse des moyennes pour les âges et les scores SOFA fournissent un contexte pour les taux de mortalité en soins intensifs en Afrique.Les analyses univariées et les imputations ont été effectuées à l'aide de SPSS (version 26.0). Les régressions logistiques à effets mixtes ont été effectuées en utilisant le langage et l'environnement R.17R Core TeamA pour le calcul statistique.

Les méta-analyses ont été effectuées à l'aide de Stata 16 (StataCorp. 2019. Stata Statistical Software : Release 16. College Station, TX : StataCorp LLC). Cette étude est enregistrée sur ClinicalTrials.gov, NCT04367207.

Rôle de la source de financement

Le bailleur de fonds de l'étude n'a joué aucun rôle dans la conception de l'étude, la collecte de données, l'analyse des données, l'interprétation des données ou la rédaction du rapport.

Résultats

Sur les 40 pays africains qui ont été invités à participer via le Groupe africain de recherche périopératoire (avec 26 chefs de pays ayant accepté l'invitation), dix pays (dont 64 hôpitaux) ont participé; Égypte (dix hôpitaux), Éthiopie (sept hôpitaux), Ghana (deux hôpitaux), Kenya (trois hôpitaux), Libye (14 hôpitaux), Malawi (trois hôpitaux), Mozambique (deux hôpitaux), Niger (deux hôpitaux), Nigéria ( huit hôpitaux) et en Afrique du Sud (13 hôpitaux). 57 hôpitaux (89%) ont fourni des données au niveau des hôpitaux (tableau 1). La plupart des hôpitaux étaient affiliés à une université, financés par le gouvernement et de niveau tertiaire. Il y avait une médiane de deux intensivistes (IQR 1–4), avec un ratio médian infirmière-patient de 1 : 2 (1 : 2–1 : 1) pendant la journée. 27 (47%) des 57 hôpitaux disposaient d'oxygène à partir d'évaporateurs isolés sous vide, avec une capacité médiane de ventilateur de pointe de cinq ventilateurs de soins intensifs (3 à 10) et de quatre ventilateurs d'anesthésie (1 à 8). Seuls 49 sites (86%) pouvaient fournir une oxymétrie de pouls à tous les patients en soins intensifs, et 39 (68%) pourraient offrir une thérapie de remplacement rénal. 3752 (55 · 3%) des 6779 patients référés aux soins intensifs ont été admis (figure). 3140 (83 · 7%) des 3752 patients éligibles ont été inclus dans notre étude, avec une médiane de 25 patients (11–59) par hôpital. La tranche d'âge était de 18 à 100 ans, les hommes comprenant 1890 (60,6%) de 3118 patients.Tableau 1 : Caractéristiques des hôpitaux inclus dans l'étude

Les données sont médianes (IQR) ou n / N (%).

Du 7 mai au 18 décembre 2020, 6779 patients ont été référés aux soins intensifs (figure). 2995 (95,4%) des 3140 patients de la cohorte ont été confirmés positifs pour l'infection par le SRAS-CoV-2. Les patients ont été référés du service des urgences (937 [30·2%] de 3103 patients), d'un autre service du même hôpital (926 [29·8%] patients), ou dans un autre hôpital (1240 [40·0%] les patients). La mortalité différait entre les sites de référence (p = 0,002), avec une mortalité hospitalière de 401 (43,5%) sur 921 patients des urgences, 443 (48,5%) sur 914 patients de références hospitalières et 629 (51 · 2%) des 1228 patients d'autres hôpitaux. L'admission aux soins intensifs a été retardée chez 248 (8,4%) des 2947 patients en raison d'un manque de ressources au moment de l'admission. Un score SOFA rapide de trois avait une mortalité de 203 (82%) sur 247 patients. Les patients nécessitant une ventilation mécanique avaient un taux de mortalité de 78,9% (918 patients sur 1164). Les patients inclus dans notre étude avaient un âge moyen de 56 ans avec peu de comorbidités et 39,4% étaient des femmes (tableau 2). Les comorbidités les plus courantes étaient l'hypertension, le diabète, le VIH / sida, la maladie coronarienne et la maladie rénale chronique. Le score SOFA rapide a été obtenu chez 3069 (97,7%) des 3140 patients à l'admission.11

  • Seymour CW
  • Liu VX
  • Iwashyna TJ
  • et coll

Évaluation des critères cliniques de la septicémie : pour la troisième définition consensuelle internationale de la septicémie et du choc septique (Sepsis-3).

La plupart (2136 [68·0%] de 3140 patients) n'avaient pas de score SOFA complet à l'admission.Tableau 2 Description de la cohorte africaine de soins intensifs COVID-19

Les données sont la moyenne (ET), n (%), n (proportion) ou la médiane (IQR). Les odds ratios ont été construits pour la mortalité hospitalière avec une analyse de régression logistique binaire univariée. CPAP = pression positive continue des voies respiratoires. SBP = tension artérielle systolique. SOFA = évaluation séquentielle des défaillances d'organes.

La durée du séjour en soins intensifs était de 7 jours (IQR 4–12). La décision de limiter le traitement a été prise chez 284 (9 · 2%) des 3086 patients et la thérapie a été interrompue chez 81 (2 · 6%) patients. 72 (88,9%) des 81 patients chez qui le traitement a été interrompu avaient déjà eu un traitement limité.

La mortalité hospitalière dans les 30 jours suivant l'admission dans une unité de soins intensifs ou de soins intensifs est survenue chez 1483 (48 · 2%; IC à 95% 46 · 4–50 · 0) des 3077 patients, avec 261 (16 · 4% ) de 1594 patients vivants et hospitalisés à 30 jours (35 de ces 244 [data from 17 patients is missing with respect to whether they were in an intensive care unit or not] patients étaient toujours aux soins intensifs), et 1333 (83,6%) patients étaient sortis de l'hôpital. Le résultat principal était inconnu pour 63 patients.

Pour les mesures de résultats secondaires, les données manquantes pour le GLMM sont données en annexe (p 19). Le GLMM pour les facteurs de risque associés à la mortalité (c.-à-d. Ressources, comorbidités et interventions) est présenté dans le tableau 3. Les facteurs de risque qui étaient indépendamment associés à la mortalité étaient l'augmentation de l'âge et les comorbidités du VIH / sida, du diabète, des maladies chroniques du foie ou une maladie rénale, un score SOFA rapide croissant, une oxygénation nasale à haut débit, une pression positive continue des voies respiratoires, une ventilation mécanique invasive et un arrêt cardiorespiratoire dans les 24 h avant l'admission aux soins intensifs, et le besoin d'inotropes. La thérapie stéroïdienne a été associée à une survie accrue. Le sexe du patient n'était pas associé à la mortalité. Les analyses de sensibilité ont corroboré ces résultats (annexe pp 20–25). Aucun facteur lié aux ressources humaines (c.-à-d. Médecin disponible sur place 24 h / 7 jours sur 7 pour les patients et ratio infirmière-patient) n'a été associé à la mortalité.Tableau 3Modèle mixte linéaire généralisé (résultats regroupés des ensembles de données imputés) pour les patients référés aux soins intensifs avec une infection à COVID-19 suspectée ou confirmée avec un ensemble de données complet sur la mortalité

CPAP = pression positive continue des voies respiratoires. SOFA = évaluation séquentielle des défaillances d'organes. Les témoins sont des patients vivants à l'hôpital et vivants et sortis à 30 jours (n = 3140).

Une analyse post-hoc explorant la fréquence des interventions reçues par les patients nécessitant une ventilation mécanique invasive a montré que 148 (12,9%) de 1146 de ces patients ont également reçu une dialyse.

Les méta-analyses mises à jour sont présentées en annexe (pp 26–40). La mortalité globale globale rapportée était de 31,5% (IC à 95% 27,5–35,5) et la mortalité en Afrique était plus élevée que la mortalité dans les autres régions. La surmortalité en Afrique était de 11 décès supplémentaires pour 100 admissions en Afrique (dans le meilleur des cas) et de 23 décès supplémentaires pour 100 admissions en Afrique (dans le pire des cas), par rapport au taux mondial. Les scores d'âge et SOFA de cette cohorte étaient significativement inférieurs à ceux de la cohorte mondiale, et les estimations ponctuelles de cette cohorte étaient inférieures à celles des autres cohortes régionales (annexe pp 30–31). Le taux de létalité en Afrique était d'environ 0,1% supérieur à celui de l'Europe et de la moyenne mondiale, et similaire au taux de létalité en Amérique du Nord. En Afrique, jusqu'au 11 décembre 2020, il y avait 57 (40 · 1% de la moyenne mondiale) cas de COVID-19 pour 100000 habitants, ce qui était inférieur à la moyenne mondiale de 140 cas pour 100000 habitants (annexe p 41) 18

  • Ritchie H
  • Ortiz-Ospina E
  • Beltekian D
  • et coll

Risque de mortalité du COVID-19.

Discussion

La principale constatation de notre étude était que la mortalité hospitalière après l'admission en soins intensifs pour une infection au COVID-19 en Afrique est survenue chez 48 · 2% (IC à 95% 46 · 4–50 · 0) des 3077 patients dans les 30 jours suivant une -admission en unité de soins ou de soins intensifs, avec une surmortalité de 11 à 23 décès pour 100 patients par rapport à la moyenne mondiale. La mortalité était associée à une augmentation de l'âge, au VIH / sida, au diabète, à une maladie hépatique chronique, à une maladie rénale, à une forte gravité de dysfonctionnement des organes à la présentation et à une augmentation du soutien respiratoire et cardiovasculaire. Une pénurie de ressources de soins intensifs aurait pu contribuer à une augmentation de la mortalité. Le score SOFA pourrait représenter un outil simple et rapide pour la stratification du risque des patients atteints de COVID-19 au moment de l'admission en soins intensifs.

Par rapport à d'autres études qui ont trouvé des hommes à risque plus élevé de mortalité avec le COVID-19, la constatation d'absence de différence de mortalité entre les sexes dans notre étude était inattendue19.

  • Biswas M
  • Rahaman S
  • Biswas TK
  • Haque Z
  • Ibrahim B

Association du sexe, de l'âge et des comorbidités avec la mortalité chez les patients COVID-19 : une revue systématique et une méta-analyse.

Il est possible que les femmes présentent généralement un risque de mortalité accru en raison des obstacles à l'accès aux soins et des limites ou des biais dans les soins lorsqu'elles sont gravement malades, 20

  • Langer A
  • Meleis A
  • Knaul FM
  • et coll

Les femmes et la santé : la clé du développement durable.

ce qui aurait pu modérer les différences entre les hommes et les femmes ici. Auparavant, l'évolution clinique des patients infectés par le VIH et le COVID-19 était inconnue.21

  • Costenaro P
  • Minotti C
  • Barbieri E
  • Giaquinto C
  • Donà D

Infection par le SRAS-CoV-2 chez les personnes vivant avec le VIH : une revue systématique.

Nos données suggèrent que le VIH / SIDA est un facteur de risque important de mortalité par COVID-19. Notre étude soutient également l'utilisation de la thérapie stéroïdienne pour réduire la mortalité due au COVID-19 dans cette population de patients.22 Le groupe de collaboration RECOVERY Dexaméthasone chez les patients hospitalisés atteints de Covid-19.

Il est possible que la mortalité globale suite à une infection par le SRAS-CoV-2 soit plus faible en Afrique que dans les autres régions du monde (annexe p 41). Cependant, la mortalité hospitalière en soins intensifs était plus élevée dans les pays africains que dans les autres pays non africains. Plusieurs raisons peuvent expliquer cette constatation. Premièrement, la rareté des ressources de soins intensifs dans les pays africains pourrait contribuer à la mortalité élevée en soins intensifs. Deuxièmement, il y a des lits de soins intensifs inadéquats, 4

  • Ayebale AET
  • Kassebaum NJ
  • Roche AM
  • Biccard BM

Capacité de soins intensifs de l'Afrique avant le COVID-19.

seul un patient sur deux référé aux soins intensifs est admis. Pourtant, les scores SOFA complets suggèrent que les patients admis pourraient être relativement en meilleure santé que les patients admis dans des pays disposant de plus de ressources en soins intensifs (annexe p 31). Troisièmement, lorsque l'on considère la proportion de sites pouvant fournir des services de dialyse, de pronation, d'ECMO, de gaz du sang artériel et d'oxymétrie de pouls, les données de notre étude suggèrent que les pays africains inclus dans notre étude disposaient d'établissements de soins intensifs très sous-financés. Ces données suggèrent que ces pays disposaient d'une capacité de soins intensifs de faible volume, ce qui aurait pu nuire aux résultats23.

  • Nguyen YL
  • Wallace DJ
  • Yordanov Y
  • et coll

La relation volume-résultat en soins intensifs: une revue systématique et une méta-analyse.

Enfin, le simple fait de compter les ressources de soins intensifs disponibles nécessaires à l'intervention ne reflète pas exactement la proportion de patients qui reçoivent effectivement les interventions. We estimate that patient access to interventions was between seven-times lower (for dialysis and proning) and 14-times lower (for ECMO) than what is required. Dialysis was available in 39 (68%) of 57 sites and was offered to only 330 (10%) of 3073 patients. Yet, acute kidney injury could occur in over 90% of patients with COVID-19 admitted to intensive care units, with one in four patients who have been ventilated requiring renal replacement therapy.24

  • Hirsch JS
  • Ng JH
  • Ross DW
  • et coll

Acute kidney injury in patients hospitalized with COVID-19.

Proning is included in acute respiratory distress syndrome management strategies and has been provided in over 90% of patients.25

  • Combes A
  • Hajage D
  • Capellier G
  • et coll

Extracorporeal membrane oxygenation for severe acute respiratory distress syndrome.

As 75% of patients with COVID-19 referred to critical care develop acute respiratory distress syndrome,26

  • Tzotzos SJ
  • Fischer B
  • Fischer H
  • Zeitlinger M

Incidence of ARDS and outcomes in hospitalized patients with COVID-19 : a global literature survey.

at least six times more patients should have received proning in our cohort. Similarly, ECMO was only available in nine (15·8%) of 57 sites (table 1), but ECMO was offered to less than 1% of patients; yet large registry data supports its use in patients with COVID-19 with refractory respiratory failure.27

  • Barbaro RP
  • MacLaren G
  • Boonstra PS
  • et coll

Extracorporeal membrane oxygenation support in COVID-19 : an international cohort study of the Extracorporeal Life Support Organization registry.

Lack of access to these interventions could partly explain the high mortality in Africa, and why one in eight patients had therapy withdrawn or limited.The human resources available to these critical care units were somewhat good with respect to availability of a physician 24 h per day (7 days a week), and nurse-to-patient ratio. However, the inability to admit approximately half of the referred patients to the critical care unit could reflect intensive care units working at full capacity with the available resources, and therefore the effect of limited critical care human resources might have resulted in adverse outcomes outside the critical care unit, which we could not assess.

There are several limitations to our study. First, our study presents data from predominantly tertiary hospitals, yet pulse oximetry was not universally available. It is likely that lower level hospitals with less resourced critical care units might have had worse outcomes than those reported in this cohort. Furthermore, referral to higher level centres might have further increased mortality before patients were able to reach an appropriate critical care unit. We did not distinguish between cardiorespiratory arrests that occurred in hospital and those out of hospital, and it is likely that patients who had cardiorespiratory arrests outside of hospital might have had a higher mortality, and might be poorly represented in this cohort. It is therefore possible that the mortality for patients with COVID-19 who are critically ill might be higher than the mortality we report. The outcomes of the patients who were referred to critical care but not admitted are also unknown. It is unlikely that the findings of this study are generalisable to those patients, as their disease severity and resources available for therapy would differ from patients who are admitted to critical care.

Furthermore, we cannot report on the association between severity of comorbidities (eg, CD4 cell count in HIV/AIDS and mortality). Compared with other COVID-19 critical care cohorts (appendix p 30), our cohort was on average younger and it is therefore likely that the severity of comorbidities was less in this African cohort. Increasing age is associated with adverse outcomes in COVID-19 infections,28

  • Romero Starke K
  • Petereit-Haack G
  • Schubert M
  • et coll

The age-related risk of severe outcomes due to COVID-19 infection : a rapid review, meta-analysis, and meta-regression.

and it is therefore likely that our estimate of excess mortality is an underestimate when matched for age and severity of comorbidities.The inability to recruit all eligible patients reflects the difficulties of doing research while providing a critical care service in an under-resourced environment during a pandemic. We have little data to help us to understand how one in two patients died without receiving oxygen, and how one in three patients died without receiving inotropes. It is unclear whether these events occurred because of unavailability of resources, limitation of early therapy, or underuse of resources. Finally, this cohort represents ten African countries, despite 26 country leaders agreeing to participate. This result shows the difficulty in fulfilling ethics and regulatory requirements and other barriers associated with doing research in an under-resourced environment.29

  • Conradie A
  • Duys R
  • Forget P
  • Biccard BM

Barriers to clinical research in Africa : a quantitative and qualitative survey of clinical researchers in 27 African countries.

It is therefore difficult to determine the generalisability of these results although, to the best of our knowledge, these data provide the largest cohort of critically ill patients with COVID-19 who are from under-resourced environments (appendix p 28).This is a large, prospective, multicentre study from a previously unreported African setting and, to the best of our knowledge, the only study in this setting that has also included a large number of patients with HIV. The statistical analysis plan was published before data inspection and was adequately powered to adjust for the association between human resources, patient comorbidities, and critical care interventions and mortality. All prespecified sensitivity analyses confirm the main findings.

Hospital and critical care resources are scarce in Africa. Moreover, admission to critical care is restricted and access to critical care interventions are between seven-times and 14-times less than what is needed. Patient comorbidities of HIV/AIDS, diabetes, chronic liver disease and kidney disease, as well as increasing age, are associated with increased mortality from COVID-19 in Africa. Poor prognosis was associated with the degree of organ dysfunction at admission and the need for invasive mechanical ventilation or inotropic support. Although the full SOFA score has been shown to have superior performance to the quick SOFA score,30Predictive performance of SOFA and qSOFA for in-hospital mortality in severe novel coronavirus disease.

most sites analysed in our study could not assess a full SOFA score because of the scarcity of resources. The quick SOFA score is a simple risk stratification or triage tool that is feasible in low resource environments.Mortality is associated with organ dysfunction and organ support needed at critical admission; yet there are insufficient resources to provide adequate support in this setting. Early warning systems, risk stratification, and early intervention are needed to avoid delays in instituting necessary organ support. Strategies are needed to mitigate risk in patients who are infected with SARS-CoV-2 in Africa with coexisting HIV/AIDS, diabetes, chronic liver disease, and kidney disease.

Correspondence to : Prof Bruce Biccard, Department of Anaesthesia and Perioperative Medicine, University of Cape Town, Cape Town 7925, South Africa; Department of Anaesthesia and Perioperative Medicine, Groote Schuur Hospital, Cape Town 7935, South Africa [email protected]Contributors

BMB contributed to the overall conception and design of the study, acquisition of data, local and national study leadership, statistical analysis, writing the first draft of the paper, critically revising the work for submission, and the final approval of the version of the study to be submitted. MMi, WLM, DT, AA, EA, GC, HTD, MElfi, MG, AGB, IJ, FK, H-LK, ZM, AM, WM, AN, ZN, AO, JLP, JS, YSA, DEAvS, and PDG contributed to the overall conception and design of the study, acquisition of data, local and national study leadership, critical revision of the paper for submission, and were involved in final approval of the study to be submitted. MSC contributed to the overall conception and design of the study, acquisition of data, local and national study leadership, patient recruitment, and data collection. MElh applied for nationwide and local hospital ethical approvals and recruited collaborators for data collection from the hospital, was involved in local and national study leadership, critically revised the study for submission, and was involved in the final approval of the version of the study to be submitted. MF contributed to the overall conception and design of the study, acquisition of data, local and national study leadership, critical revision the work for submission, final approval of the version of the study to be submitted, was a national hospital team leader, and was involved in patient recruitment in the study. DF was involved in designing the intensive care unit triage form, acquisition of data, critical revision of the work for submission, and final approval of the version of the study to be submitted. AH was involved in the statistical analyses, critical revision of the work for submission, and the final approval of the version of the study to be submitted. VM and CO were involved in the acquisition of data, local and national study leadership, critical revision of the work for submission, and final approval of the version of the study to be submitted. EHT was involved in the conception and design of the meta-analysis, the acquisition of data for meta-analysis, data analysis and writing, critical revision of the work for submission, and final approval of the version to be submitted. Mme contributed to the overall conception and design of the study, local and national study leadership, and the final approval of the version of the study to be submitted. MEl was involved in local and national leadership, critical revision of the work for submission, and final approval of the version of the study to be submitted. KDMM was involved in the acquisition of data for meta-analysis, data analysis and writing, critical revision of the work for submission, and final approval of the version to be submitted. FP was involved in designing the intensive care unit triage form, acquisition of data, critical revision of the work for submission, and final approval of the version of the study to be submitted. BMB and AH accessed and verified the data.

Data sharing

Data will be disclosed only upon request and approval of the proposed use of the data by the steering committee. Data are available to the journal for evaluation of reported analyses. Data requests from non-ACCCOS investigators will not be considered until 2 years after the close of the trial. Data will be de-identified for participant, hospital, and country, and will be available with a signed data access agreement.

Declaration of interests

MMe has received honoraria for services related to speakers bureau and advisory boards. These have related to purely educational talks that have been given in an objective fashion for educational purposes and with no vested interest or agenda other than for educational purposes. Companies that MMe gave talks to were Pfizer, Merck, Astellas, Sanofi-Aventis, Aspen, and Sun. IJ is the former president of the Critical Care Society of Southern Africa and is a current councillor and board member of the Critical Care Society of Southern Africa. Tous les autres auteurs ne déclarent aucun intérêt concurrent.

Remerciements

We would like to acknowledge Rema Ramakrishnan for their assistance with the meta-analysis forest plot and Dilshaad Brey for their assistance with the database search for the meta-analysis. The ACCCOS was supported by a grant from the Critical Care Society of Southern Africa.

Supplementary Material

Les références

  1. 1.
    • The Johns Hopkins University School of Medicine

    Coronavirus resource center.

  2. 2.Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China : a retrospective cohort study.

    Lancet. 2020; 395 : 1054-1062

  3. 3.
    • Biccard BM
    • Madiba TE
    • Kluyts HL
    • et coll

    Perioperative patient outcomes in the African Surgical Outcomes Study : a 7-day prospective observational cohort study.

    Lancet. 2018; 391 : 1589-1598

  4. 4.
    • Ayebale AET
    • Kassebaum NJ
    • Roche AM
    • Biccard BM

    Africa's critical care capacity before COVID-19.

    S Afr J Anaesthesiol Analg. 2020; 26 : 162-164

  5. 5.
    • Skinner DL
    • De Vasconcellos K
    • Wise R
    • et coll

    Critical care admission of South African (SA) surgical patients: results of the SA Surgical Outcomes Study.

    S Afr Med J. 2017; 107 : 411-419

  6. 6.
    • Armstrong RA
    • Kane AD
    • Cook TM

    Outcomes from intensive care in patients with COVID-19 : a systematic review and meta-analysis of observational studies.

    Anaesthesia. 2020; 75 : 1340-1349

  7. 7.
    • Gupta M
    • Wahl B
    • Adhikari B
    • et coll

    The need for COVID-19 research in low- and middle-income countries.

    Glob Health Res Policy. 2020; 5 : 33

  8. 8.
    • Taylor EH
    • Hofmeyr R
    • Torborg A
    • et coll

    Risk factors and interventions associated with mortality or survival in adult COVID-19 patients admitted to critical care : a systematic review and meta-analysis.

    S Afr J Anaesthesiol Analg. 2020; 26 : 116-127

  9. 9.
    • Peduzzi P
    • Concato J
    • Kemper E
    • Holford TR
    • Feinstein AR

    A simulation study of the number of events per variable in logistic regression analysis.

    J Clin Epidemiol. 1996; 49 : 1373-1379

  10. dix.
    • Biccard BM
    • Miller MG
    • Michell WL
    • et coll

    An African, multi-centre evaluation of patient care and clinical outcomes for patients with COVID-19 infection admitted to high-care or intensive care units.

    SSRN. 2020; ()

  11. 11.
    • Seymour CW
    • Liu VX
    • Iwashyna TJ
    • et coll

    Assessment of clinical criteria for sepsis: for the third international consensus definitions for sepsis and septic shock (Sepsis-3).

    JAMA. 2016; 315 : 762-774

  12. 12.
    • Vincent JL
    • Moreno R
    • Takala J
    • et coll

    The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure. On behalf of the working group on sepsis-related problems of the European Society of Intensive Care Medicine.

    Intensive Care Med. 1996; 22 : 707-710

  13. 13.
    • Bates D
    • Maechler M
    • Bolker B
    • Walker SA

    Fitting linear mixed-effects models using lme4.

    J Stat Softw. 2015; 67 : 1-48

  14. 14.RStudio.

    PBC,

    Boston, MA2020

  15. 15.
    • van Buuren S
    • Groothuis-Oudshoorn K

    mice : multivariate imputation by chained equations in R.

    J Stat Softw. 2011; 45 : 1-67

  16. 16.Multiple imputation for nonresponse in surveys.

    John Wiley & Sons,

    New York1987

  17. 17.A language and environment for statistical computing.

    R Foundation for Statistical Computing,

    Vienna, Austria2019

  18. 18.
    • Ritchie H
    • Ortiz-Ospina E
    • Beltekian D
    • et coll

    Mortality risk of COVID-19.

  19. 19.
    • Biswas M
    • Rahaman S
    • Biswas TK
    • Haque Z
    • Ibrahim B

    Association of sex, age, and comorbidities with mortality in COVID-19 patients: a systematic review and meta-analysis.

    Intervirology. 2021; 64 : 36-47

  20. 20.
    • Langer A
    • Meleis A
    • Knaul FM
    • et coll

    Women and health: the key for sustainable development.

    Lancet. 2015; 386 : 1165-1210

  21. 21.
    • Costenaro P
    • Minotti C
    • Barbieri E
    • Giaquinto C
    • Donà D

    SARS-CoV-2 infection in people living with HIV : a systematic review.

    Rev Med Virol. 2021; 31 : 1-12

  22. 22.
    • The RECOVERY Collaborative Group

    Dexamethasone in hospitalized patients with Covid-19.

    N Engl J Med. 2021; 384 : 693-704

  23. 23.
    • Nguyen YL
    • Wallace DJ
    • Yordanov Y
    • et coll

    The volume-outcome relationship in critical care : a systematic review and meta-analysis.

    Chest. 2015; 148 : 79-92

  24. 24.
    • Hirsch JS
    • Ng JH
    • Ross DW
    • et coll

    Acute kidney injury in patients hospitalized with COVID-19.

    Kidney Int. 2020; 98 : 209-218

  25. 25.
    • Combes A
    • Hajage D
    • Capellier G
    • et coll

    Extracorporeal membrane oxygenation for severe acute respiratory distress syndrome.

    N Engl J Med. 2018; 378 : 1965-1975

  26. 26.
    • Tzotzos SJ
    • Fischer B
    • Fischer H
    • Zeitlinger M

    Incidence of ARDS and outcomes in hospitalized patients with COVID-19 : a global literature survey.

    Crit Care. 2020; 24 : 516

  27. 27.
    • Barbaro RP
    • MacLaren G
    • Boonstra PS
    • et coll

    Extracorporeal membrane oxygenation support in COVID-19 : an international cohort study of the Extracorporeal Life Support Organization registry.

    Lancet. 2020; 396 : 1071-1078

  28. 28.
    • Romero Starke K
    • Petereit-Haack G
    • Schubert M
    • et coll

    The age-related risk of severe outcomes due to COVID-19 infection : a rapid review, meta-analysis, and meta-regression.

    Int J Environ Res Public Health. 2020; 17E5974

  29. 29.
    • Conradie A
    • Duys R
    • Forget P
    • Biccard BM

    Barriers to clinical research in Africa : a quantitative and qualitative survey of clinical researchers in 27 African countries.

    Br J Anaesth. 2018; 121 : 813-821

  30. 30.Predictive performance of SOFA and qSOFA for in-hospital mortality in severe novel coronavirus disease.

    Am J Emerg Med. 2020; 38 : 2074-2080

Article Info

Historique des publications

Identification

DOI :

droits d'auteur

© 2021 Elsevier Ltd. All rights reserved.

ScienceDirect

Accédez à cet article sur ScienceDirect

Articles liés

  • Excess COVID-19 mortality among critically ill patients in Africa
    • As of March 25, 2021, a global total of 124 215 843 cases of COVID-19, including 2 734 374 deaths, had been reported to WHO.1 COVID-19 is now the 12th leading cause of death worldwide, the sixth leading cause of death in high-income countries, and the 41st leading cause of death in sub-Saharan Africa.2 However, the reasons why there are lower numbers of cases and deaths reported in sub-Saharan Africa are unclear. One possibility is that there are inadequate levels of testing, which could translate to unreported COVID-19 deaths (both in hospital and those that occur outside of hospital).
    • Full-Text

    • PDF