Published August 12, 2020 | Version v1
Publication Metadata-only

Spatial variability of Middle East respiratory syndrome coronavirus survival rates and mortality hazard in Saudi Arabia, 2012–2019

Creators

  • 1. King Abdulaziz City for Science and Technology
  • 2. King Faisal Specialist Hospital & Research Centre
  • 3. King Faisal University
  • 4. Kafrelsheikh University

Description

About 83% of laboratory-confirmed Middle East respiratory syndrome coronavirus (MERS-CoV) cases have emerged from Saudi Arabia, which has the highest overall mortality rate worldwide. This retrospective study assesses the impact of spatial/patient characteristics for 14-and 45-day MERS-CoV mortality using 2012–2019 data reported across Saudi regions and provinces. The Kaplan–Meier estimator was employed to estimate MERS-CoV survival rates, Cox proportional-hazards (CPH) models were applied to estimate hazard ratios (HRs) for 14-and 45-day mortality predictors, and univariate local spatial autocorrelation and multivariate spatial clustering analyses were used to assess the spatial correlation. The 14-day, 45-day and overall mortality rates (with estimated survival rates) were 25.52% (70.20%), 32.35% (57.70%) and 37.30% (56.50%), respectively, with no significant rate variations between Saudi regions and provinces. Nationally, the CPH multivariate model identified that being elderly (age ≥ 61), being a non-healthcare worker (non-HCW), and having an underlying comorbidity were significantly related to 14-day mortality (HR = 2.10, 10.12 and 4.11, respectively; p < 0.0001). The 45-day mortality model identified similar risk factors but with an additional factor: patients aged 41–60 (HR = 1.44; p < 0.0001). Risk factors similar to those in the national model were observed in the Central, East and West regions and Riyadh, Makkah, Eastern, Madinah and Qassim provinces but with varying HRs. Spatial clusters of MERS-CoV mortality in the provinces were identified based on the risk factors ( r 2 = 0.85–0.97): Riyadh (Cluster 1), Eastern, Makkah and Qassim (Cluster 2), and other provinces in the north and south of the country (Cluster 3). The estimated HRs for the 14-and 45-day mortality varied spatially by province. For 45-day mortality, the highest HRs were found in Makkah (age ≥ 61 and non-HCWs), Riyadh (comorbidity) and Madinah (age 41–60). Coming from Makkah (HR = 1.30 and 1.27) or Qassim province (HR = 1.77 and 1.70) was independently related to higher 14-and 45-day mortality, respectively. MERS-CoV patient survival could be improved by implementing appropriate interventions for the elderly, those with comorbidities and non-HCW patients.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

ظهرت حوالي 83 ٪ من حالات فيروس كورونا المؤكدة مختبريًا والمتعلقة بمتلازمة الشرق الأوسط التنفسية (MERS - CoV) من المملكة العربية السعودية، التي لديها أعلى معدل وفيات إجمالي في جميع أنحاء العالم. تقيّم هذه الدراسة بأثر رجعي تأثير الخصائص المكانية/خصائص المريض لوفيات فيروس كورونا المسبب لمتلازمة الشرق الأوسط التنفسية لمدة 14 و 45 يومًا باستخدام بيانات 2012–2019 المبلغ عنها في جميع المناطق والمحافظات السعودية. تم استخدام مقدر كابلان- ماير لتقدير معدلات بقاء فيروس كورونا المرتبط بمتلازمة الشرق الأوسط التنفسية، وتم تطبيق نماذج المخاطر النسبية لكوكس (CPH) لتقدير نسب المخاطر (HRs) لمؤشرات الوفيات لمدة 14 و 45 يومًا، وتم استخدام الترابط الذاتي المكاني المحلي أحادي المتغير وتحليلات التجميع المكاني متعدد المتغيرات لتقييم الارتباط المكاني. بلغت معدلات الوفيات الإجمالية خلال 14 يومًا و 45 يومًا (مع معدلات البقاء على قيد الحياة المقدرة) 25.52 ٪ (70.20 ٪) و 32.35 ٪ (57.70 ٪) و 37.30 ٪ (56.50 ٪) على التوالي، مع عدم وجود اختلافات كبيرة في المعدلات بين المناطق والمحافظات السعودية. على المستوى الوطني، حدد نموذج CPH متعدد المتغيرات أن كونك مسنًا (العمر ≥ 61)، وكونك غير عامل في مجال الرعاية الصحية (غير HCW)، ووجود اعتلال مشترك أساسي يرتبط ارتباطًا كبيرًا بالوفيات لمدة 14 يومًا (HR = 2.10 و 10.12 و 4.11 على التوالي ؛ p < 0.0001). حدد نموذج الوفيات لمدة 45 يومًا عوامل خطر مماثلة ولكن مع عامل إضافي: المرضى الذين تتراوح أعمارهم بين 41 و 60 عامًا (HR = 1.44 ؛ p < 0.0001). لوحظت عوامل خطر مماثلة لتلك الموجودة في النموذج الوطني في المناطق الوسطى والشرقية والغربية ومناطق الرياض ومكة المكرمة والشرقية والمدينة المنورة والقصيم ولكن مع اختلاف الموارد البشرية. تم تحديد المجموعات المكانية لوفيات فيروس كورونا المرتبط بمتلازمة الشرق الأوسط التنفسية في المحافظات بناءً على عوامل الخطر ( r 2 = 0.85-0.97): الرياض (المجموعة 1)، الشرقية، مكة المكرمة والقصيم (المجموعة 2)، ومحافظات أخرى في شمال وجنوب البلاد (المجموعة 3). اختلفت الموارد البشرية المقدرة لوفيات 14 و 45 يومًا مكانيًا حسب المقاطعة. بالنسبة لوفيات 45 يومًا، تم العثور على أعلى معدل للموارد البشرية في مكة المكرمة (العمر ≥ 61 وغير العاملين في مجال الرعاية الصحية) والرياض (الاعتلال المشترك) والمدينة المنورة (العمر 41–60). القادمة من مكة المكرمة (HR = 1.30 و 1.27) أو محافظة القصيم (HR = 1.77 و 1.70) كانت مرتبطة بشكل مستقل بارتفاع معدل الوفيات خلال 14 و 45 يومًا، على التوالي. يمكن تحسين بقاء مرضى فيروس كورونا المسبب لمتلازمة الشرق الأوسط التنفسية من خلال تنفيذ التدخلات المناسبة لكبار السن وأولئك الذين يعانون من أمراض مصاحبة والمرضى غير العاملين في مجال الرعاية الصحية.

Translated Description (French)

Environ 83 % des cas de coronavirus du syndrome respiratoire du Moyen-Orient (MERS-CoV) confirmés en laboratoire sont apparus en Arabie saoudite, qui a le taux de mortalité global le plus élevé au monde. Cette étude rétrospective évalue l'impact des caractéristiques spatiales/du patient sur la mortalité par MERS-CoV à 14 et 45 jours à l'aide des données 2012–2019 rapportées dans les régions et les provinces saoudiennes. L'estimateur de Kaplan–Meier a été utilisé pour estimer les taux de survie au MERS-CoV, les modèles de Cox à risques proportionnels (CPH) ont été appliqués pour estimer les ratios de risques (HR) pour les prédicteurs de mortalité à 14 et 45 jours, et des analyses d'autocorrélation spatiale univariée et de regroupement spatial multivarié ont été utilisées pour évaluer la corrélation spatiale. Les taux de mortalité à 14 jours, à 45 jours et globale (avec des taux de survie estimés) étaient de 25,52 % (70,20 %), 32,35 % (57,70 %) et 37,30 % (56,50 %), respectivement, sans variations significatives de taux entre les régions et les provinces saoudiennes. À l'échelle nationale, le modèle multivarié CPH a identifié que le fait d'être âgé (âge ≥ 61 ans), d'être un travailleur non soignant (non HCW) et d'avoir une comorbidité sous-jacente étaient significativement liés à la mortalité à 14 jours (HR = 2,10, 10,12 et 4,11, respectivement ; p < 0,0001). Le modèle de mortalité à 45 jours a identifié des facteurs de risque similaires mais avec un facteur supplémentaire : les patients âgés de 41 à 60 ans (HR = 1,44 ; p < 0,0001). Des facteurs de risque similaires à ceux du modèle national ont été observés dans les régions du Centre, de l'Est et de l'Ouest et dans les provinces de Riyad, de La Mecque, de l'Est, de Médine et de Qassim, mais avec des RH variables. Des grappes spatiales de mortalité par MERS-CoV dans les provinces ont été identifiées en fonction des facteurs de risque ( r 2 = 0,85-0,97) : Riyad (grappe 1), l'Est, La Mecque et Qassim (grappe 2), et d'autres provinces du nord et du sud du pays (grappe 3). Les HR estimés pour la mortalité à 14 et 45 jours variaient spatialement selon la province. Pour la mortalité à 45 jours, les HR les plus élevés ont été observés à La Mecque (âge ≥ 61 ans et non HCS), à Riyad (comorbidité) et à Médine (âge 41–60 ans). Venant de La Mecque (HR = 1,30 et 1,27) ou de la province de Qassim (HR = 1,77 et 1,70) était indépendamment lié à une mortalité plus élevée à 14 et 45 jours, respectivement. La survie des patients atteints du MERS-CoV pourrait être améliorée en mettant en œuvre des interventions appropriées pour les personnes âgées, les personnes présentant des comorbidités et les patients non atteints de CHS.

Translated Description (Spanish)

Alrededor del 83% de los casos de coronavirus del síndrome respiratorio de Oriente Medio (MERS-CoV) confirmados por laboratorio han surgido de Arabia Saudita, que tiene la tasa de mortalidad general más alta del mundo. Este estudio retrospectivo evalúa el impacto de las características espaciales/de los pacientes para la mortalidad por MERS-CoV a los 14 y 45 días utilizando los datos de 2012–2019 informados en las regiones y provincias sauditas. Se empleó el estimador Kaplan–Meier para estimar las tasas de supervivencia de MERS-CoV, se aplicaron modelos de riesgos proporcionales de Cox (CPH) para estimar los cocientes de riesgo (HR) para los predictores de mortalidad de 14 y 45 días, y se utilizaron análisis univariados de autocorrelación espacial local y agrupación espacial multivariada para evaluar la correlación espacial. Las tasas de mortalidad a 14 días, 45 días y general (con tasas de supervivencia estimadas) fueron del 25,52% (70,20%), 32,35% (57,70%) y 37,30% (56,50%), respectivamente, sin variaciones significativas en las tasas entre las regiones y provincias sauditas. A nivel nacional, el modelo multivariado de CPH identificó que ser anciano (edad ≥ 61), no ser trabajador de la salud (no HCW) y tener una comorbilidad subyacente estaban significativamente relacionados con la mortalidad a los 14 días (HR = 2.10, 10.12 y 4.11, respectivamente; p < 0.0001). El modelo de mortalidad a 45 días identificó factores de riesgo similares pero con un factor adicional: pacientes de 41 a 60 años (HR = 1,44; p < 0,0001). Se observaron factores de riesgo similares a los del modelo nacional en las regiones central, oriental y occidental y en las provincias de Riad, La Meca, oriental, Medina y Qassim, pero con diferentes recursos humanos. Los grupos espaciales de mortalidad por MERS-CoV en las provincias se identificaron en función de los factores de riesgo ( r 2 = 0,85-0,97): Riad (Grupo 1), Oriente, Meca y Qassim (Grupo 2), y otras provincias del norte y sur del país (Grupo 3). Los HR estimados para la mortalidad a los 14 y 45 días variaron espacialmente según la provincia. Para la mortalidad a los 45 días, los HR más altos se encontraron en La Meca (edad ≥ 61 y no trabajadores sanitarios), Riad (comorbilidad) y Medina (edad 41–60). Procedente de La Meca (HR = 1,30 y 1,27) o de la provincia de Qassim (HR = 1,77 y 1,70) se relacionó de forma independiente con una mayor mortalidad a los 14 y 45 días, respectivamente. La supervivencia de los pacientes con MERS-CoV podría mejorarse mediante la implementación de intervenciones apropiadas para los ancianos, aquellos con comorbilidades y pacientes que no son trabajadores sanitarios.

Additional details

Additional titles

Translated title (Arabic)
التباين المكاني لمعدلات البقاء على قيد الحياة من فيروس كورونا في متلازمة الشرق الأوسط التنفسية ومخاطر الوفيات في المملكة العربية السعودية، 2012–2019
Translated title (French)
Variabilité spatiale des taux de survie et du risque de mortalité du coronavirus du syndrome respiratoire du Moyen-Orient en Arabie saoudite, 2012–2019
Translated title (Spanish)
Variabilidad espacial de las tasas de supervivencia y riesgo de mortalidad por coronavirus del síndrome respiratorio de Oriente Medio en Arabia Saudita, 2012–2019

Identifiers

Other
https://openalex.org/W3048469911
DOI
10.7717/peerj.9783

Is supplement to
https://openalex.org/W4390059798 (Other)
https://openalex.org/W4283593604 (Other)
https://openalex.org/W4240935801 (Other)
https://openalex.org/W4206155924 (Other)
https://openalex.org/W40745829 (Other)
https://openalex.org/W2912390640 (Other)
https://openalex.org/W2122079181 (Other)
https://openalex.org/W2036849593 (Other)
https://openalex.org/W1985848810 (Other)
https://openalex.org/W1828158523 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1813780612
  • https://openalex.org/W1877695315
  • https://openalex.org/W1944612481
  • https://openalex.org/W1965186841
  • https://openalex.org/W1967137980
  • https://openalex.org/W1968524627
  • https://openalex.org/W1984326550
  • https://openalex.org/W1984328389
  • https://openalex.org/W1994478379
  • https://openalex.org/W2006434809
  • https://openalex.org/W2046310563
  • https://openalex.org/W2103118479
  • https://openalex.org/W2107053896
  • https://openalex.org/W2107482271
  • https://openalex.org/W2108756402
  • https://openalex.org/W2117746342
  • https://openalex.org/W2130227690
  • https://openalex.org/W2135617989
  • https://openalex.org/W2138324310
  • https://openalex.org/W2145148901
  • https://openalex.org/W2147330627
  • https://openalex.org/W2149508011
  • https://openalex.org/W2163128056
  • https://openalex.org/W2166867592
  • https://openalex.org/W2227495319
  • https://openalex.org/W2261722432
  • https://openalex.org/W2273256132
  • https://openalex.org/W2286011088
  • https://openalex.org/W2320043853
  • https://openalex.org/W2337591460
  • https://openalex.org/W2346053054
  • https://openalex.org/W2411425451
  • https://openalex.org/W2411890062
  • https://openalex.org/W2419498519
  • https://openalex.org/W2426326923
  • https://openalex.org/W2439175204
  • https://openalex.org/W2515479555
  • https://openalex.org/W2521548680
  • https://openalex.org/W2522451011
  • https://openalex.org/W2539531639
  • https://openalex.org/W2587542342
  • https://openalex.org/W2589485379
  • https://openalex.org/W2620842994
  • https://openalex.org/W2622319725
  • https://openalex.org/W2735987833
  • https://openalex.org/W2740001925
  • https://openalex.org/W2755932089
  • https://openalex.org/W2763061616
  • https://openalex.org/W2778619219
  • https://openalex.org/W2801339009
  • https://openalex.org/W2807702319
  • https://openalex.org/W2895727403
  • https://openalex.org/W2900161504
  • https://openalex.org/W2945847460
  • https://openalex.org/W2960971920
  • https://openalex.org/W3006803887
  • https://openalex.org/W4211001371