A single center cohort of 40 severe COVID-19 patients who were treated with convalescent plasma
Notice bibliographique
Résumé
Background/aim: A SARS-Cov2 infection which was first arised from Wuhan in December 2019 and named as COVID-19. Still there lacks either a specific treatment or a vaccine to treat COVID-19. Convalescent plasma (CP) was previously used successfully to treat SARS-CoV-1 and MERS infections. Health authority in Turkey has published a guideline to integrate this promising option in the treatment process of patients who are prone to high risk of developing severe COVID 19. Materials and Methods: Forty consecutive patients who had received CP at our center were included in the study. Demographics, COVID-19 specific parameters, biomarkers to detect the severity of COVID-19 infection and outcome variables were collected retrospectively. The correlation between outcome variables and the independent predictors of the outcome were reported. Results: Median age of the patients was 57.5 and 72.5% were male. At least one COVID-19 PCR test was confirmed to be positive in 75% of patients. Remaining 25% had a Chest-CT which was reported to be compatible with an ongoing COVID-19. All patients (100%) were classified as having severe COVID-19 infection. Over a half of the patients harbored an oxygen saturation of less than 90 despite of a continuous 5 L/min support of O2. 82.5% of the patients had a need for mechanical ventilation and 45.5% had a need for invasive mechanical ventilation. Nine out of 10 patients who have received CP outside ICU have totally recovered from COVID-19 at a median of 9 days, and a half of the patients who needed invasive mechanical ventilation were successfully free of mechanical ventilation support and managed to recover from COVID-19. Conclusion: According to the results of this study, CP is an efficient conjunct to conventional therapy against COVID-19 with a favorable safety profile.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».