Predictive value of serum cystatin C for risk of mortality in severe and critically ill patients with COVID-19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The outbreak of coronavirus disease 2019 (COVID-19) has rapidly evolved into a global pandemic. COVID-19 is clinically categorized into mild, moderate, severe, and critical illness. Acute kidney injury is an independent risk factor for poor prognosis in patients with. Serum cystatin C (sCys C) is considered a more sensitive biomarker for early renal insufficiency than conventional indicators of renal function. Early detection of risk factors that affect the prognosis of severe and critically ill patients while using active and effective treatment measures is very important and can effectively reduce the potential mortality rate. AIM: To determine the predictive value of sCys C for the prognosis of patients with COVID-19. METHODS: The clinical data of 101 severe and critically ill patients with COVID-19 at a designated hospital in Wuhan, Hubei Province, China were analyzed retrospectively. According to the clinical outcome, the patients were divided into a discharge group (64 cases) and a death group (37 cases). The general information, underlying diseases, and laboratory examination indexes of the two groups were compared. Multivariate Cox regression was used to explore the relationship between sCys C and prognosis. The receiver operating characteristic (ROC) curve was used to demonstrate the sensitivity and specificity of sCys C and its optimal cut-off value for predicting death. RESULTS: < 0.001). The area under the ROC curve was 0.755 (95%CI: 1.300-2.527), the cut-off value was 0.80, the specificity was 0.562, and the sensitivity was 0.865. CONCLUSION: sCys C is an independent risk factor for death in patients with COVID-19. Patients with a sCys C level of 0.80 mg/L or greater are at a high risk of death.
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.
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 | 0,042 |
| 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 | 0,000 |
| 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 découle