Impact of the Pandemic on NonInfected Cardiometabolic Patients: A Survey in Countries of Latin America—Rationale and Design of the CorCOVID LATAM Study
Notice bibliographique
Résumé
BACKGROUND: The first case of coronavirus 2019 (COVID-19) in Latin America was detected on February 26th, 2020, in Brazil. Later, in June, the World Health Organization announced that the focus of the outbreak had shifted to Latin America, where countries already had poor control of indicators of noncommunicable diseases (NCDs). Concerns about coronavirus infection led to a reduced number of visits and hospitalizations in patients with NCDs, such as cardiovascular disease, diabetes, and cancer. There is a need to determine the impact of the COVID-19 pandemic on patients who have cardiometabolic diseases but do not have clinical evidence of COVID-19 infection. METHODS: The CorCOVID LATAM is a cross-sectional survey of ambulatory cardiometabolic patients with no history or evidence of COVID-19 infection. The study will be conducted by the Interamerican Society of Cardiology. An online survey composed of 38 questions using Google Forms will be distributed to patients of 13 Latin American Spanish-speaking countries from June 15th to July 15th, 2020. Data will be analyzed by country and regions. Seven clusters of questions will be analyzed: demographics, socioeconomic and educational level, cardiometabolic profile, lifestyle and habits, body-weight perception, medical follow-up and treatments, and psychological symptoms. RESULTS: Final results will be available upon completion of the study. CONCLUSIONS: The present study will provide answers regarding the impact of the COVID-19 pandemic on noninfected cardiometabolic patients. Data on this topic are scarce, as it is an unprecedented threat, without short-term solutions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».