Clinical Features of Fatalities in Patients With COVID-19
Notice bibliographique
Résumé
OBJECTIVES: The novel coronavirus disease 2019 (COVID-19) pandemic has spread to over 213 countries and territories. We sought to describe the clinical features of fatalities in patients with severe COVID-19. METHODS: We conducted an Internet-based retrospective cohort study through retrieving the clinical information of 100 COVID-19 deaths from nonduplicating incidental reports in Chinese provincial and other governmental websites between January 23 and March 10, 2020. RESULTS: Approximately 6 of 10 COVID-19 deaths were males (64.0%). The average age was 70.7 ± 13.5 y, and 84% of patients were elderly (over age 60 y). The mean duration from admission to diagnosis was 2.2 ± 3.8 d (median: 1 d). The mean duration from diagnosis to death was 9.9 ± 7.0 d (median: 9 d). Approximately 3 of 4 cases (76.0%) were complicated by 1 or more chronic diseases, including hypertension (41.0%), diabetes (29.0%) and coronary heart disease (27.0%), respiratory disorders (23.0%), and cerebrovascular disease (12.0%). Fever (46.0%), cough (33.0%), and shortness of breath (9.0%) were the most common first symptoms. Multiple organ failure (67.9%), circulatory failure (20.2%), and respiratory failure (11.9%) are the top 3 direct causes of death. CONCLUSIONS: COVID-19 deaths are mainly elderly and patients with chronic diseases especially cardiovascular disorders and diabetes. Multiple organ failure is the most common direct cause of death.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».