COVIDApp as an Innovative Strategy for the Management and Follow-Up of COVID-19 Cases in Long-Term Care Facilities in Catalonia: Implementation Study
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease (COVID-19) pandemic has caused an unprecedented worldwide public health crisis that requires new management approaches. COVIDApp is a mobile app that was adapted for the management of institutionalized individuals in long-term care facilities. OBJECTIVE: The aim of this paper is to report the implementation of this innovative tool for the management of long-term care facility residents as a high-risk population, specifically for early identification and self-isolation of suspected cases, remote monitoring of mild cases, and real-time monitoring of the progression of the infection. METHODS: COVIDApp was implemented in 196 care centers in collaboration with 64 primary care teams. The following parameters of COVID-19 were reported daily: signs/symptoms; diagnosis by reverse transcriptase-polymerase chain reaction; absence of symptoms for ≥14 days; total deaths; and number of health care workers isolated with suspected COVID-19. The number of at-risk centers was also described. RESULTS: Data were recorded from 10,347 institutionalized individuals and up to 4000 health care workers between April 1 and 30, 2020. A rapid increase in suspected cases was seen until day 6 but decreased during the last two weeks (from 1084 to 282 cases). The number of confirmed cases increased from 419 (day 6) to 1293 (day 22) and remained stable during the last week. Of the 10,347 institutionalized individuals, 5,090 (49,2%) remained asymptomatic for ≥14 days. A total of 854/10,347 deaths (8.3%) were reported; 383 of these deaths (44.8%) were suspected/confirmed cases. The number of isolated health care workers remained high over the 30 days, while the number of suspected cases decreased during the last 2 weeks. The number of high-risk long-term care facilities decreased from 19/196 (9.5%) to 3/196 (1.5%). CONCLUSIONS: COVIDApp can help clinicians rapidly detect and remotely monitor suspected and confirmed cases of COVID-19 among institutionalized individuals, thus limiting the risk of spreading the virus. The platform shows the progression of infection in real time and can aid in designing new monitoring strategies.
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 | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».