Purpose While more advanced COVID-19 necessitates medical interventions and hospitalization, patients with mild COVID-19 do not require this. Identifying patients at risk of progressing to advanced COVID-19 might guide treatment decisions, particularly for better prioritizing patients in need for hospitalization. Methods We developed a machine learning-based predictor for deriving a clinical score identifying patients with asymptomatic/mild COVID-19 at risk of progressing to advanced COVID-19. Clinical data from SARS-CoV-2 positive patients from the multicenter Lean European Open Survey on SARS-CoV-2 Infected Patients (LEOSS) were used for discovery (2020-03-16 to 2020-07-14) and validation (data from 2020-07-15 to 2021-02-16). Results The LEOSS dataset contains 473 baseline patient parameters measured at the first patient contact. After training the predictor model on a training dataset comprising 1233 patients, 20 of the 473 parameters were selected for the predictor model. From the predictor model, we delineated a composite predictive score (SACOV-19, Score for the prediction of an Advanced stage of COVID-19) with eleven variables. In the validation cohort (n = 2264 patients), we observed good prediction performance with an area under the curve (AUC) of 0.73 ± 0.01. Besides temperature, age, body mass index and smoking habit, variables indicating pulmonary involvement (respiration rate, oxygen saturation, dyspnea), inflammation (CRP, LDH, lymphocyte counts), and acute kidney injury at diagnosis were identified. For better interpretability, the predictor was translated into a web interface. Conclusion We present a machine learning-based predictor model and a clinical score for identifying patients at risk of developing advanced COVID-19.

Objective: To compare the incidence of hypertension in people living with HIV receiving integrase strand transfer inhibitor (INSTI)-based antiretroviral therapy (ART) versus non-nucleoside reverse transcriptase inhibitors (NNRTIs) or boosted protease inhibitors (PIs) in the RESPOND consortium of HIV cohorts. Methods: Eligible people with HIV were aged ≥18 years who initiated a new three-drug ART regimen for the first time (baseline), did not have hypertension, and had at least two follow-up blood pressure (BP) measurements. Hypertension was defined as two consecutive systolic BP measurements ≥140 mmHg and/or diastolic BP ≥90 mmHg or initiation of antihypertensives. Multivariable Poisson regression was used to determine adjusted incidence rate ratios (aIRRs) of hypertension, overall and in those who were ART naïve or experienced at baseline. Results: Overall, 4606 people living with HIV were eligible (INSTIs 3164, NNRTIs 807, PIs 635). The median baseline systolic BP, diastolic BP, and age were 120 (interquartile range [IQR] 113-130) mmHg, 78 (70-82) mmHg, and 43 (34-50) years, respectively. Over 8380.4 person-years (median follow-up 1.5 [IQR 1.0-2.7] years), 1058 (23.0%) participants developed hypertension (incidence rate 126.2/1000 person-years, 95% confidence interval [CI] 118.9-134.1). Participants receiving INSTIs had a higher incidence of hypertension than those receivingNNRTIs (aIRR 1.76; 95% CI 1.47-2.11), whereas the incidence was no different in those receiving PIs (aIRR 1.07; 95% CI 0.89-1.29). The results were similar when the analysis was stratified by ART status at baseline. Conclusion:Although unmeasured confounding and channelling bias cannot be excluded, INSTIs were associated with a higher incidence of hypertension than were NNRTIs, but rates were similar to those of PIs overall, in ART-naïve and ART-experienced participants within RESPOND.

Zusammenfassung Ziel der Studie Aus der durch das Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) bedingten Coronavirus-Krankheit-2019 (COVID-19) haben sich Chancen und Herausforderungen für den Aufbau von Registern in der Versorgungsforschung ergeben. Diese sollen exemplarisch am aktuell größten sektorenübergreifenden Register mit einem detaillierten klinischen Datensatz zu mit SARS-CoV-2 infizierten Patient:innen in Deutschland, der Lean European Open Survey on SARS-CoV-2 Infected Patients (LEOSS), aufgezeigt werden. Methodik Ziele von LEOSS waren es, ein kollaboratives und integratives Register zur Erfassung von anonymen Daten aus der Versorgung zu schaffen und die Daten der Wissenschaft im Sinne eines Open Science Ansatzes rasch bereitzustellen. Alleiniges Einschlusskriterium war der virologische Nachweis von SARS-CoV-2. Schlüsselstrategien waren die Reallokation der vorhandenen personellen und technischen Ressourcen, die frühe und direkte Einbeziehung von Vertreter:innen des Datenschutzes und der Ethikkommissionen sowie die Entscheidung zu einem iterativen und agilen Entwicklungs- und Anpassungsprozess. Ergebnisse Getragen von den zahlreichen kollaborierenden Institutionen konnte ein transsektorales und internationales Netzwerk mit aktuell 133 aktiv rekrutierenden Standorten und 7227 dokumentierten Fällen aufgebaut werden (Stand 18.03.2021, ein Jahr seit Rekrutierungsstart von LEOSS). Die Nutzung der Daten wurde über auf der Projektwebseite verfügbare Werkzeuge zur Datenexploration, wie auch über die teilautomatisierte Bereitstellung von Datensätzen verschiedenen Umfangs, innerhalb kurzer Zeit ermöglicht. Es wurden 97 Anträge zur Datennutzung aus 27 Themengebieten begutachtet. Im Peer-Review-Verfahren wurden 9 Arbeiten in internationalen Fachzeitschriften veröffentlicht. Schlussfolgerung Mit LEOSS konnte in kürzester Zeit ein System zur Erfassung klinischer Verlaufsdaten zu COVID-19 in Deutschland etabliert werden. Auch wenn in anderen Projekten für spezifische Fragestellungen weitaus größere Datenbestände durch direkten Zugriff auf Quellsysteme analysiert werden konnten, wurde durch den einheitlich gepflegten und technisch geprüften Dokumentationsstandard mit vielen fachspezifischen Details ein sehr großer Datensatz mit wertvollen Alleinstellungsmerkmalen geschaffen. Aus den Erfahrungen von LEOSS können Implikationen für die zukünftige Gestaltung von Registern und eine rasche Reaktion auf Pandemien abgeleitet werden.