Epidemiological Characteristics and Clinical Features of Patients Infected With the COVID-19 Virus in Nanchang, Jiangxi, China
Notice bibliographique
Résumé
Objectives: The 2019 novel coronavirus disease (COVID-19) pandemic is the biggest public health crises in the 21st century. While most patients infected with the COVID-19 virus have no to moderate symptoms, there is currently limited clinical information about these patients. Methods: In this study, we retrospectively investigated 41 patients infected with the COVID-19 virus in Nanchang, Jiangxi province, China, from February 4 to March 2, 2020. Nanchang is about 260km southeast of Wuhan, the initial epicenter of the COVID-19 pandemic. We retrieved information on patient demographics, physical examination results, epidemiology, clinical manifestations, underlying conditions, laboratory analyses, radiological images, and treatment outcomes. Results: Most patients (70.7%) had a history of close contact with patients with confirmed COVID-19, and 16 patients (39.0%) showed a high degree of family clustering. All 41 patients had no to moderate symptoms. The median age was 39.9 years and common symptoms of illness were fever (69.2%), cough (65.4%), and fatigue (19.2%). The dominant patient group was middle-aged women, with hypertension (14.6%) and chronic liver disease (12.2%) as the most frequent underlying conditions. All patients recovered, with the mean time of viral nucleic acid clearance at 10.6 days. Chest CT scans presented ground-glass opacities in 53.7% of patients while 26.8% had normal CT images. Laboratory results showed that lymphocyte counts, lymphocyte percentages, ESR, CRP, IgG, Fib, and cytokines were correlated to patients' conditions. Approximately 60% to 90% of patients had abnormally high levels of cytokines IL-4, IL-6, IL-10, and/or TNF-α. Conclusions: Our results showed variable clinical and laboratory presentations among this group of patients infected with the COVID-19 virus. Though all 41 patients recovered, our results suggest that cytokine levels and other biochemical indicators should be monitored for patients infected with the COVID-19 virus showing no to moderate symptoms to ensure quick access for critical medical attention, if needed.
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 | 0,002 | 0,167 |
| 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 | 0,002 |
| 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 ».