Hemostatic laboratory derangements in COVID-19 with a focus on platelet count
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is responsible for the coronavirus disease in 2019 (COVID-19) which rapidly evolved from an outbreak in Wuhan, China into a pandemic that has resulted in over millions of infections and over hundreds of thousands of mortalities worldwide. Various coagulopathies have been reported in association with COVID-19, including disseminated intravascular coagulation (DIC), sepsis-induced coagulopathy (SIC), local microthrombi, venous thromboembolism (VTE), arterial thrombotic complications, and thrombo-inflammation. There is a plethora of publications and conflicting data on hematological and hemostatic derangements in COVID-19 with some data suggesting the link to disease progress, severity and/or mortality. There is also growing evidence of potentially useful clinical biomarkers to predict COVID-19 progression and disease outcomes. Of those, a link between thrombocytopenia and COVID-19 severity or mortality was suggested. In this opinion report, we examine the published evidence of hematological and hemostatic laboratory derangements in COVID-19 and the interrelated SARS-CoV-2 induced inflammation, with a focussed discussion on platelet count alterations. We explore whether thrombocytopenia could be a potential disease biomarker and we provide recommendations for future studies in this regard.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».