Usefulness of PCR Screening in the Initial Triage of Trauma Patients During COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Hospitals worldwide have postponed all nonessential surgery during the COVID-19 pandemic, but non-COVID-19 patients are still in urgent need of care. Uncertainty about a patient's COVID-19 status risks infecting health care workers and non-COVID-19 inpatients. We evaluated the use of quantitative reverse transcription polymerase chain reaction (RT-qPCR) screening for COVID-19 on admission for all patients with fractures. METHODS: We conducted a retrospective cohort study of patients older than 18 years admitted with low-energy fractures who were tested by RT-qPCR for SARS-CoV-2 at any time during hospitalization. Two periods based on the applied testing protocol were defined. During the first period, patients were only tested because of epidemiological criteria or clinical suspicion based on fever, respiratory symptoms, or radiological findings. In the second period, all patients admitted for fracture treatment were screened by RT-qPCR. RESULTS: We identified 15 patients in the first period and 42 in the second. In total, 9 (15.8%) patients without clinical or radiological findings tested positive at any moment. Five (33.3%) patients tested positive postoperatively in the first period and 3 (7.1%) in the second period (P = 0.02). For clinically unsuspected patients, postoperative positive detection went from 3 of 15 (20%) during the first period to 2 of 42 (4.8%) in the second (P = 0.11). Clinical symptoms demonstrated high specificity (92.1%) but poor sensitivity (52.6%) for infection detection. CONCLUSIONS: Symptom-based screening for COVID-19 has shown to be specific but not sensitive. Negative clinical symptoms do not rule out infection. Protocols and separated areas are necessary to treat infected patients. RT-qPCR testing on admission helps minimize the risk of nosocomial and occupational infection. LEVEL OF EVIDENCE: Diagnostic Level IV. See Instructions for Authors for a complete description of levels of evidence.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».