Telemedicine and the Use of Korean Medicine for Patients With COVID-19 in South Korea: Observational Study
Notice bibliographique
Résumé
BACKGROUND: COVID-19 was first reported in Wuhan, China, in December 2019, and it has since spread worldwide. The Association of Korean Medicine (AKOM) established the COVID-19 telemedicine center of Korean medicine (KM telemedicine center) in Daegu and Seoul. OBJECTIVE: The aim of this study was to describe the results of the KM telemedicine center and the clinical possibility of using herbal medicines for COVID-19. METHODS: All procedures were conducted by voice call following standardized guidelines. The students in the reception group obtained informed consent from participants and they collected basic information. Subsequently, Korean Medicine doctors assessed COVID-19-related symptoms and prescribed the appropriate herbal medicine according to the KM telemedicine guidelines. The data of patients who completed the program by June 30, 2020, were analyzed. RESULTS: From March 9 to June 30, 2020, 2324 patients participated in and completed the KM telemedicine program. Kyung-Ok-Ko (n=2285) was the most prescribed herbal medicine, and Qingfei Paidu decoction (I and II, n=2053) was the second most prescribed. All COVID-19-related symptoms (headache, chills, sputum, dry cough, sore throat, fatigue, muscle pain, rhinorrhea, nasal congestion, dyspnea, chest tightness, diarrhea, and loss of appetite) improved after treatment (P<.001). CONCLUSIONS: The KM telemedicine center has provided medical service to 10.8% of all patients with COVID-19 in South Korea (as of June 30, 2020), and it is still in operation. We hope that this study will help to establish a better health care system to overcome COVID-19.
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 | 0,011 |
| 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 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 ».