Potential Predictors of Poor Prognosis among Critical COVID-19 Pneumonia Patients Requiring Tracheal Intubation
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is a global public health concern that can be classified as mild, moderate, severe, or critical, based on disease severity. Since the identification of critical patients is crucial for developing effective management strategies, we evaluated clinical characteristics, laboratory data, treatment provided, and oxygenation to identify potential predictors of mortality among critical COVID-19 pneumonia patients. We retrospectively utilized data from seven critical patients who were admitted to our hospital during April 2020 and required mechanical ventilation. The primary endpoint was to clarify potential predictor of mortality. All patients were older than 70 years, five were men, six had hypertension, and three ultimately died. Compared with survivors, non-survivors tended to be never smokers (0 pack-years vs. 30 pack-years, p = 0.08), to have higher body mass index (31.3 kg/m2 vs. 25.3 kg/m2, p = 0.06), to require earlier tracheal intubation after symptom onset (2.7 days vs. 5.5 days, p = 0.07), and had fewer lymphocytes on admission (339 /μL vs. 518 /μL, p = 0.05). During the first week after tracheal intubation, non-survivors displayed lower values for minimum ratio of the partial pressure of oxygen to fractional inspiratory oxygen concentration (P/F ratio) (44 mmHg vs. 122 mmHg, p < 0.01) and poor response to intensive therapy compared with survivors. In summary, we show that obesity and lymphopenia could predict the severity of COVID-19 pneumonia and that the trend of lower P/F ratio during the first week of mechanical ventilation could provide useful prognostic information.
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 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».