The Contribution of Ebola Viral Load at Admission and Other Patient Characteristics to Mortality in a Médecins Sans Frontières Ebola Case Management Centre, Kailahun, Sierra Leone, June–October 2014
Notice bibliographique
Résumé
This paper describes patient characteristics, including Ebola viral load, associated with mortality in a Médecins Sans Frontières Ebola case management centre (CMC).Out of 780 admissions between June and October 2014, 525 (67%) were positive for Ebola with a known outcome. The crude mortality rate was 51% (270/525). Ebola viral load (whole-blood sample) data were available on 76% (397/525) of patients. Univariate analysis indicated viral load at admission, age, symptom duration prior to admission, and distance traveled to the CMC were associated with mortality (P < .05). The multivariable model predicted mortality in those with a viral load at admission greater than 10 million copies per milliliter (P < .05, odds ratio >10), aged ≥ 50 years (P = .08, odds ratio = 2) and symptom duration prior to admission less than 5 days (P = .14). The presence of confusion, diarrhea, and conjunctivitis were significantly higher (P < .05) in Ebola patients who died.These findings highlight the importance viral load at admission has on mortality outcomes and could be used to cohort cases with viral loads greater than 10 million copies into dedicated wards with more intensive medical support to further reduce mortality.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».