Incidence and Clinical Course of COVID-19 in Patients with Connective Tissue Diseases: A Descriptive Observational Analysis
Notice bibliographique
Résumé
To the Editor: The outbreak of COVID-19 in December 2019 in China has very quickly become a global health emergency, with almost 2 million infected patients worldwide1. Along with the spread of the pandemic, there has been growing concern about the management of fragile patients with rheumatic conditions. There are still very few data available on this aspect. In particular, subjects affected by connective tissue diseases (CTD) are known to have an increased infectious risk compared to the healthy population because of a general impairment of the immune system intrinsic to the autoimmune disease itself, the iatrogenic effect linked to the use of immunosuppressive drugs, and the high number of comorbidities that often complicate the clinical picture2,3. On the other hand, the progressive increase in the knowledge about the pathogenesis of the infection is paving the way for the use of certain drugs common in rheumatology to also treat COVID-194. As rheumatologists operating in one of the major epicenters … Address correspondence to Dr. E.G. Favalli, Division of Clinical Rheumatology, ASST Gaetano Pini-CTO Institute, Via Gaetano Pini 9, 20122 Milan, Italy. E-mail address: enniofavalli{at}me.com
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,002 |
| 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 ».