The COVID-19 Early Detection in Doctors and Healthcare Workers (CEDiD) Study: study protocol for a prospective observational trial
Notice bibliographique
Résumé
Abstract Background The global COVID-19 pandemic has caused worldwide disruption with its exponential spread mandating national and international lockdown measures. Hospital-associated transmission has been identified as a major factor in the perpetuation of COVID-19, with healthcare workers at high-risk of becoming infected with SARS-CoV-2 and representing important vectors for spread, but not routinely having their clinical observations monitored or being tested for COVID-19. Methods A single-center, prospective observational study of 60 healthcare workers will explore how many healthcare workers in high-risk areas develop COVID-19 infection over a thirty day period. High-risk areas are defined as COVID positive wards, the intensive care unit or the accident and emergency department. Healthcare workers (HCWs) will be recruited and have daily self-administered nasopharyngeal SARS-CoV-2 PCR tests. They will also be provided with a wearable medical device to measure their clinical observations during non-working hours, and be asked to complete a daily self-reported symptom questionnaire over the study period. Statistical analysis will assess the proportion of healthcare workers who develop COVID-19 infection as a primary objective, with secondary objectives exploring what symptoms are developed, time-to-event, and deviations in clinical observations. Discussion At present clinical observations, symptoms and COVID-19 PCR swabs are not routinely undertaken for healthcare workers. If the CEDiD (COVID-19 Early Detection in Doctors and Healthcare Workers) study is successful, it will provide useful information for workforce decisions in reducing hospital-associated transmission of COVID-19. The data will help in determining whether there are early warning signs for development of COVID-19 infections amongst healthcare workers and may contribute to the evidence base advocating for more regular testing of healthcare workers’ observations, symptoms and COVID-19 status. Trial registration ClinicalTrials.gov, NCT04363489 . Registered on 27 th July 2020
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 | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,007 |
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 ».