A Multi-Centre Snapshot Study Comparing Acute Urological Admissions during the COVID-19 Lockdown to a pre-COVID Period
Notice bibliographique
Résumé
Introduction COVID-19 has had a devastating effect around the globe with over 560,000 deaths and 12.8 million people now infected as of 13 July according to WHO, 2020. Our study looked at the pandemic’s effect on acute admissions across two institutions compared to the same time (23 March to 30 April) in 2019. Method We collected data using records from the hospital’s coding department, analysed patients discharge letters, and grouped patients by their final diagnoses. We also looked at variances in daily acute admission numbers. Statistical analysis was performed using the Chi-squared test and descriptive statistics. Results One hundred seventy-six patients were admitted in 2019 and 92 patients in 2020. There was a 58% significant reduction in acute admissions in 2020 (p<0.0000226). Five (5.43%) patients died in 2020 compared to four (2.27%) in 2019, and the most common presentation was renal colic, 23% rising to 29% in 2020. Conclusion There was a significant reduction in acute urological admissions during the UK lockdown period. Possibly as a consequence, the mortality rate doubled. Further analysis with larger cohorts is recommended for future studies.
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 | 0,009 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».