MétaCan
Menu
← Retour à la cohorte
Enregistrement W3113508130 · doi:10.21203/rs.3.rs-76134/v1

Clinical Characteristics, Risk Factors and Predictive Value of COVID-19 Pneumonia: A Retrospective Study of 173 Patients in Wuhan, China

2020· preprint· en· W3113508130 sur OpenAlexaff
Yang Zhang, Jun Xue, Mi Yan, Jing Chen, Hai Liu, Shaobo Wang, Jian-Xing Luo, Fang Yang, Jian-Yuan Tang, Xiao-Yu Hu

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChengdu UniversityChengdu University of Traditional Chinese MedicineDepartment of Science and Technology of Sichuan Province
Mots-clésCoronavirus disease 2019 (COVID-19)ChinaPneumoniaPredictive valueRetrospective cohort studyValue (mathematics)MedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakIntensive care medicineInternal medicineVirologyHistoryStatisticsMathematicsDiseaseOutbreak

Résumé

récupéré en direct d'OpenAlex

Abstract Background: COVID-19 is a globally emerging infectious disease. As the global epidemic continues to spread, the risk of COVID-19 transmission and diffusion in the world will also remain. Currently, several studies describing its clinical characteristics have focused on the initial outbreak, but rarely to the later stage. Here we described clinical characteristics, risk factors for disease severity and in-hospital outcome in patients with COVID-19 pneumonia from Wuhan. Methods: Patients with COVID-19 pneumonia admitted to Cancer Center, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology from February 13 to March 8, 2020, were retrospectively enrolled. Multivariable logistic regression analysis was used to identify risk factors for disease severity and in-hospital outcome and establish predictive models. Receiver operating characteristic (ROC) curve was used to assess the predictive value of above models.Results: 106 (61.3%) of the patients were female. The mean age of study populations was 62.0 years, of whom 73 (42.2%) had underlying comorbidities mainly including hypertension (24.9%). The most common symptoms on admission were fever (67.6%) and cough (60.1%), digestive symptoms (22.0%) was also very common. Older age (OR: 3.420; 95%Cl: 1.415-8.266; P=0.006), diarrhea (OR: 0.143; 95%Cl: 0.033-0.611; P=0.009) and lymphopenia (OR: 4.769; 95%Cl: 2.019-11.266; P=0.000) were associated with severe illness on admission; the area under the ROC curve (AUC) of predictive model were 0.860 (95%CI: 0.802-0.918; P=0.000). Older age (OR: 0.309; 95%Cl: 0.142-0.674; P=0.003), leucopenia (OR: 0.165; 95%Cl: 0.034-0.793; P=0.025), increased lactic dehydrogenase (OR: 0.257; 95%Cl: 0.100-0.659; P=0.005) and interleukins-6 levels (OR: 0.294; 95%Cl: 0.099-0.872; P=0.027) were associated with poor in-hospital outcome; AUC of predictive model were 0.752 (95%CI: 0.681-0.824; P=0.000).Conclusion: Older patients with diarrhea and lymphopenia need early identification and timely intervention to prevent the progression to severe COVID-19 pneumonia. However, older patients with leucopenia, increased lactic dehydrogenase and interleukins-6 levels are at a high risk for poor in-hospital outcome.Trial registration: ChiCTR2000029549

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,441
Écart entre enseignants0,377 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→