Physician deaths from corona virus (COVID-19) disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has caused much morbidity and mortality to patients but also health care providers. AIMS: We tabulated the cases of physician deaths from COVID-19 associated with front-line work in hopes of mitigating future events. METHODS: On 15 April 2020, a Google internet search was performed using the keywords 'doctor', 'physician', 'death', 'COVID' and 'coronavirus' in English and Farsi, and Chinese using the Baidu search engine. The age, sex and medical speciality of physicians who died from COVID-19 in the line of duty were recorded. Individuals greater than 90 years of age were excluded. RESULTS: We found 278 physicians who died with COVID-19 infection, but complete details were missing for 108 individuals. The average age of the physicians was 63.7 years with a median age of 66 years, and 90% were male (235/261). General practitioners and emergency room doctors (108/254), respirologists (5/254), internal medicine specialists (13/254) and anaesthesiologists (6/254) comprised 52% of those dying. Two per cent of the deceased were epidemiologists (5/254), 2% were infectious disease specialists (4/254), 6% were dentists (16/254), 4% were ENT (9/254) and 3% were ophthalmologists (8/254). The countries with the most reported physician deaths were Italy (121/278; 44%), Iran (43/278; 15%), Philippines (21/278; 8%), Indonesia (17/278; 6%), China (16/278; 6%), Spain (12/278; 4%), USA (12/278; 4%) and UK (11/278;4%). CONCLUSIONS: Physicians from all specialities may die from COVID. Lack of personal protective equipment was cited as a common cause of death. Consideration should be made to exclude older physicians from front-line work.
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.
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 | 0,001 |
| 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) | 0,005 | 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 découle