Management of haemophilia patients in the COVID‐19 pandemic: Experience in Wuhan and Tianjin, two differently affected cities in China
Notice bibliographique
Résumé
OBJECTIVE: To identify lessons learned from haemophilia care experience in Wuhan (COVID-19 outbreak epicenter in China) and Tianjin (with relatively low COVID-19 incidence) in the pandemic. METHODS: We compared the challenges in haemophilia management attributed to local COVID-19 containment policies, healthcare resource availability, clotting factors supply, daily living restrictions and coping strategies employed. RESULTS: Wuhan was in lockdown with strict traffic controls, enforced quarantine and overwhelmed resources. Tianjin was in relatively relaxed countermeasures to COVID-19. In Wuhan, haemophilia treatment (for bleeding, prophylaxis, multidisciplinary team care, immune tolerance induction) and patient education were severely affected, while the challenges in Tianjin were less. In both cities, patients' fear for COVID-19 infection also affected their management. Coping strategy in Wuhan included channelling of clotting factors supply from hospitals to nine pharmacies; timely transfers of in-need patients to healthcare facilities by a volunteer service network jointly coordinated by the government, hospitals and the community. Although factor concentrate supply in each city was adequate, patients still worried whether there would be enough supply to last through the pandemics. Consequently, many downgraded their treatment regimens resulting in increased bleeding episodes. In both cities, telemedicine was promoted for patient care and education. CONCLUSIONS: The COVID-19 pandemic had varying adverse impacts on haemophilia care depending on the local infection incidence. Our experience suggests that haemophilia management strategies in the pandemic need to be established according to the local virus containment/mitigation policies, daily living restrictions and resource availability.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».