The Potential for Remotely Mentored Patient-Performed Home Self-Monitoring for New Onset Alveolar-Interstitial Lung Disease
Notice bibliographique
Résumé
Purpose: Coronavirus disease 2019 (COVID-19) caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and is an acute respiratory illness. Although most infected persons are asymptomatic or have only mild symptoms, some patients progress to devastating disease; such progression is difficult to predict or identify in a timely manner. COVID-19 patients who do not require hospitalization can self-isolate at home. Calls from one disease epicenter identify the need for homebased isolation with telemedicine surveillance to monitor for impending deterioration. Methodology: Although the dominant approach for these asymptomatic/paucisymptomatic patients is to monitor oxygen saturation, we suggest additionally considering the potential merits and utility of home-based imaging. Chest computed tomography is clearly impractical, but ultrasound has shown comparable sensitivity for lung involvement, with major advantages of short and simple procedures, low cost, and excellent repeatability. Thoracic ultrasound may thus allow remotely identifying the development of pneumonitis at an early stage of illness and potentially averting the risk of insidious deterioration to severe pneumonia and critical illness while in home isolation. Conclusions: Lung sonography can be easily performed by motivated nonmedical caregivers when directed and supervised in real time by experts. Remote mentors could thus efficiently monitor, counsel, and triage multiple home-based patients from their “control center.” Authors believe that this approach deserves further attention and study to reduce delays and failures in timely hospitalization of home-isolated patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».