Initial Clinical Impressions of the Critical Care of COVID-19 Patients in Seattle, New York City, and Chicago
Notice bibliographique
Résumé
Since the first recognition of a cluster of novel respiratory viral infections in China in late December 2019, intensivists in the United States have watched with growing concern as infections with the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus-now named coronavirus disease of 2019 (COVID-19)-have spread to hospitals in the United States. Because COVID-19 is extremely transmissible and can progress to a severe form of respiratory failure, the potential to overwhelm available critical care resources is high and critical care management of COVID-19 patients has been thrust into the spotlight. COVID-19 arrived in the United States in January and, as anticipated, has dramatically increased the usage of critical care resources. Three of the hardest-hit cities have been Seattle, New York City, and Chicago with a combined total of over 14,000 cases as of March 23, 2020.In this special article, we describe initial clinical impressions of critical care of COVID-19 in these areas, with attention to clinical presentation, laboratory values, organ system effects, treatment strategies, and resource management. We highlight clinical observations that align with or differ from already published reports. These impressions represent only the early empiric experience of the authors and are not intended to serve as recommendations or guidelines for practice, but rather as a starting point for intensivists preparing to address COVID-19 when it arrives in their community.
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 | 0,000 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».